The fourth Blog

最新推荐文章于 2022-03-11 19:32:28 发布

BugSolver

最新推荐文章于 2022-03-11 19:32:28 发布

阅读量658

点赞数

文章标签：机器学习

Athena_Django

本文链接：https://blog.csdn.net/qq_43719598/article/details/104266080

版权

本文介绍了构建神经网络模型的四个步骤：数据处理、模型设计、训练配置和训练过程，以波士顿房价回归为例进行说明。同时分享了个人对百度AI机器学习课程的感想，并认为人工智能将在未来发挥重要作用。

摘要由CSDN通过智能技术生成

构建神经网络（深度学习）模型的基本步骤：

数据处理：所谓数据处理即从本地文件或网络地址读取数据，并做预处理操作。

模型设计：完成网络结构的设计（模型要素1），相当于模型的假设空间，即模型能够表达的关系集合。（写出能够表达关系的函数式）

训练配置：设定模型采用的寻解算法（模型要素2），即优化器，并指定计算资源。

训练过程：循环调用训练过程，每轮均包括前向计算、损失函数（优化目标，模型要素3）和后向传播这三个步骤。

保存模型：将训练好的模型保存，以备预测时调用。

波士顿房价回归预测

import numpy as np
import json
# 读入训练数据
datafile = 'boston_house_price_english.xlsx'
data = np.fromfile(datafile, sep=' ')
data

c:\users\django\appdata\local\programs\python\python37\lib\site-packages\ipykernel_launcher.py:5: DeprecationWarning: string or file could not be read to its end due to unmatched data; this will raise a ValueError in the future.
  """





array([], dtype=float64)

feature_names = [ 'CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE','DIS', 
                 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV' ]
feature_num = len(feature_names)
data = data.reshape([data.shape[0] // feature_num, feature_num])

x = data[0]  # 查看数据
print(x.shape)
print(x)

---------------------------------------------------------------------------

IndexError                                Traceback (most recent call last)

<ipython-input-11-48350dec6fa7> in <module>
      4 data = data.reshape([data.shape[0] // feature_num, feature_num])
      5 
----> 6 x = data[0]  # 查看数据
      7 print(x.shape)
      8 print(x)


IndexError: index 0 is out of bounds for axis 0 with size 0

ratio = 0.8
offset = int(data.shape[0] * ratio)
training_data = data[:offset]
training_data.shape

(0, 14)

# 计算train数据集的最大值，最小值，平均值
maximums, minimums, avgs = \
                     training_data.max(axis=0),<

最低0.47元/天解锁文章