二分类;损失函数精确度的图像;加深模型
一.深度学习五步骤
- 加载数据集
- 定义模型
- 编译模型
- 训练模型(fit)
- 评估模型
二.这里以乳腺癌症数据分析为例
这里没有分开训练集和测试集
导入包
from keras.models import Sequential
from keras.layers import Dense
import numpy
from matplotlib import pyplot as plt
from keras.utils.vis_utils import plot_model
1.加载数据集
#numpy.loadtxt指定文本数据间的间隔符号是什么
#X:[:,0:8]取所有行的第0到第7列(特征值)Y:[:,8]所有行的最后一列,是否得病的列(类别值)
dataset = numpy.loadtxt("pima-indians-diabetes.csv", delimiter=",")
X = dataset[:,0:8]
Y = dataset[:,8]
2.定义模型
激活函数是建模型的时候使用的
#Sequential:为最简单的线性、从头到尾的结构顺序,不分叉。
模型的基本组件一般需要:
- 1、model.add,添加层;
- 2、model.compile,模型训练的BP模式设置;
- 3、model.fit,模型训练参数设置 + 训练;
- 4、模型评估
- 5、模型预测
add函数添加全连接层
第一层输入维度是8,因为有8个属性值
第二层为隐含层第一层,12个神经元连接到第二层的8个神经元
第三层为隐含层第二层,8个神经元
第四层输出层,1个神经元
sigmoid函数:用于隐层神经元输出,取值范围为(0,1),它可以将一个实数映射到(0,1)的区间,可以用来做二分类。
relu函数:用于隐层神经元输出
二分类中间层relu
最后一层sigmoid
附上链接:关于Sequential这块讲的很详细