tf.keras搭建分类模型–识别fashion_mnist 代码实现了最最最简单的神经网络分类模型。对于最最最常见的fashion_mnist
分类任务也有80%+
的准确率。但是现实问题往往都要比这个复杂的多的多的多。这里再原来的基础上对数据进行了归一化处理。
这里实现归一化是使用了sklearn
里的StandardScaler
归一化主要源码
# 对数据进行归一化处理(标准化?) x = (x - u) / std
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
# fit_transform 同时有fit功能,
# 在训练集上做scaler会得到它的均值和方差,fit把他记录下来因为验证集和测试集也要用到训练集得到的均值和方差
x_train_scaled = scaler.fit_transform(
x_train.astype(np.float32).reshape(-1, 1)).reshape(
-1, 28, 28) # 原来的数据是三维的,这里要转化成二维处理然后再转化成三维的
# 验证集、测试集直接利用上面得到的均值和方差做transform,不用fit
x_valid_scaled = scaler.transform(x_valid.astype(np.float32).reshape(
-1, 1)).reshape(-1, 28, 28)
x_test_scaled = scaler.transform(x_test.astype(np.float32).reshape(
-1