一、模型训练步骤
1、创建模型
定义一个模型:给定输入值x,w,b,如何用此模型计算输出值
例如,在逻辑回归中,模型是:
在神经网络中,模型是:
2、确定损失和代价函数
确定损失和代价函数,计算模型的预测值和真实值的误差。
例如:逻辑回归的损失可写成:
代价函数是:
神经网络中,可以使用model.compile()设置损失函数
BinaryCrossentropy是二元交叉熵损失函数。也可以设置均方误差函数。
3、训练模型,使代价函数值最小化
例如,在逻辑回归中,使用梯度下降的方法,对参数w和b进行迭代,直至算法收敛,获取代价函数最小值:
在神经网络中,可以使用model.fit()训练模型:
其中,epochs为迭代次数
二、TensorFlow实现
根据模型训练步骤,TensorFlow代码实现如下
神经网络示例:
代码:
学习来源:吴恩达机器学习,P59-P60