利用Keras进行多类分类

最新推荐文章于 2024-08-09 07:01:19 发布

倪四条

最新推荐文章于 2024-08-09 07:01:19 发布

阅读量1.3k

点赞数

分类专栏： python学习文章标签： python

本文链接：https://blog.csdn.net/weixin_38401394/article/details/88191350

版权

本文记录了在使用Keras进行多类分类时遇到的问题，详细描述了如何解决代码错误，最终成功运行的过程。

摘要由CSDN通过智能技术生成

针对网上查到的代码运行报错，修改后运行成功。

# -*- coding:UTF-8 -*-
import numpy as np
import pandas as pd
from keras.models import Sequential
from keras.layers import Dense, Dropout
from keras.wrappers.scikit_learn import KerasClassifier
from keras.utils import np_utils
from sklearn.model_selection import train_test_split, KFold, cross_val_score
from sklearn.preprocessing import LabelEncoder
 

# load dataset
dataframe = pd.read_csv("F:\\testdata\\iris\\iris.csv", header=None )
dataset = dataframe.values
X = dataset[:, 0:4].astype(float)
Y = dataset[:, 4]


# encode class values as integers
encoder = LabelEncoder()
encoder.fit(Y)
encoded_Y = encoder.transform(Y)
# convert integers to dummy variables (one hot encoding)
dummy_y = np_utils.to_categorical(encoded_Y)
 
# define model structure
def baseline_model():
    model = Sequential()
    model.add(Dense(8, activation="relu", input_dim=4))
    model.add(Dropout(0.2))