- 博客(9)
- 收藏
- 关注
RSS订阅原创 MLP、CNN在MNIST数据集上性能对比
对MLP、简单CNN和多层CNN区别做简单性能对比MLP（需将图片宽高数据转换成一维数据形式）from keras.datasets import mnistfrom matplotlib import pyplot as pltimport numpy as npfrom keras.models import Sequentialfrom keras.layers import Densefrom keras.utils import np_utils# 从Keras导入Mni
2022-03-18 17:28:31
1560
原创 Dropout与学习率衰减
模型出现过拟合，可采取Dropout的方式进行效率解决（仅针对神经网络模型的正则化方法）。该方法主要是在训练模型的过程中，随机抛弃一些神经元，使其不参与正向和反向传播过程。神经网络在训练过程中，权重对于某些特征的依赖关系较强，每次训练都随机抛下一些特征（对于非输入层则是神经元），将会强迫每一个神经元和随机挑选出来的其他神经元共同工作，据此网络模型对于神经元的特定权重不那么敏感，由此提高了模型整体泛化能力。from sklearn import datasetsimport numpy as npf
2022-03-17 10:00:06
2760
原创 序列化神经网络模型（全数据更新、增量更新、检查点、训练历史可视化）
由于神经网络训练需要较长时间，自动保存当前最优模型，使得整个训练过程可视化尤为重要。因此可使用Keras对模型进行序列化，即将模型结果和权重分别保存在json文件和HDF5文件中from sklearn import datasetsimport numpy as npfrom keras.models import Sequentialfrom keras.layers import Densefrom keras.utils import to_categoricalfrom keras
2022-03-16 20:41:49
1270
原创 KerasClassifier与KerasRegressior简单使用（利用iris数据集与Boston数据集）
以下代码使用KerasClassifier构建简单神经网络，对iris多分类问题进行训练，最后加入10折交叉验证，对模型准确率和方差进行计算。from sklearn import datasetsimport numpy as npfrom keras.models import Sequentialfrom keras.layers import Densefrom keras.wrappers.scikit_learn import KerasClassifierfrom skle..
2022-03-16 17:07:19
6957
1
原创 在keras中使用scikit-learn
keras类库为深度学习模型提供了一个包装类（Wrapper），将Keras的深度学习模型包装成scikit-learn中的分类或回归模型，以便方便的使用scikit-learn中的方法和函数，对深度学习的模型是通过KerasClassifier和KerasRegressor来实现的。...
2022-03-16 14:09:56
2976
原创 多层感知机训练pima_indians_diabetes
导入库包from keras.models import Sequentialfrom keras.layers import Denseimport numpy as npimport pandas as pd# 设定随机数种子,使得模型参数初始化结果相同np.random.seed(7)导入数据，并将其转换为keras指定数据类型# 导入数据dataset = pd.read_csv('XXXX/diabetes.csv')#print(dataset)# 分割输入
2022-03-16 11:51:31
1818
原创 P-R曲线绘制（多分类问题）
以iris数据为样本实现P-R曲线的绘制import matplotlib.pyplot as pltimport numpy as npfrom sklearn import svm, datasetsfrom sklearn.metrics import precision_recall_curve, average_precision_scorefrom sklearn.model_selection import train_test_splitfrom sklearn.prepro
2022-03-15 20:08:04
3241
原创 sklearn文档向量化（CountVectorizer、stopwords和ngram的简单举例）
from sklearn.feature_extraction.text import CountVectorizercorpus=['Job was the charirman of Apple Inc., and he was very famous', 'I like to use apple computer', 'And I also like to eat apple']如上图，希望对列表中的三句话进行向量化处理vectorizer = CountVe.
2022-03-15 19:50:18
2212
原创 使用Sklearn进行线性回归和二次回归的比较（基于jupyter）
以简单的披萨直径与价格的线性回归方程和二次回归方程举例，利用sklearn进行拟合与可视化处理。其中涉及到利用PolynomialFeatures的方法将给定一维数据集转换为多项式形式。import numpy as npimport matplotlib.pyplot as pltfrom sklearn.linear_model import LinearRegressionfrom sklearn.preprocessing import PolynomialFeatures...
2022-03-15 16:16:07
2203
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人