keras 二分类

该博客介绍了如何利用Keras进行二分类任务,特别是对数据集中的英文文本进行编码处理,增强了数据预处理环节。通过搜索超参数,最终实现了88.92%的准确率,最佳结果达到0.886308,模型参数为'units_list': [16]
摘要由CSDN通过智能技术生成

数据集

"""
年龄。(数字)
工作: 工作类型。(分类: 管理员,未知,失业者,经理,女佣,企业家,学生,蓝领,个体户,退休人员,技术人员,服务人员)
婚姻: 婚姻状况。(分类: 已婚,离婚,单身。注: 离婚指离异或丧偶)
教育: (分类: 未知,中学,小学,高中)
默认值: 是否具有信用?(二分类: 是,否)
余额: 年均余额,单位为欧元。(数字)
住房: 有住房贷款?(二分类: 是,否)
贷款: 有个人贷款?(二分类: 是,否)
联系人: 联系方式。(分类: 未知,固定电话号码,手机号码)
天: 最后一次联系日。(数字)
月: 最后一次联系的月份。(分类: Jan,Feb,Mar,...,Nov,Dec)
持续时间: 上次联系时间,以秒为单位。(数字)
广告系列: 在此广告系列和此客户的联系次数。(数字,包括上一个联系人)
pdays: 与客户上一次联系的间隔天数。(数字,-1表示以前没有联系过)
以前: 此广告系列之前和此客户的联系次数。(数字)
poutcome: 以前的营销活动的结果。(分类: 未知,其他,失败,成功)
客户是否订阅了定期存款?(二分类: 是,否)
"""
import numpy
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小刘要努力。

顺便点一个赞

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值