小牛的学习笔记--乳腺癌症数据分析

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

1. 加载数据集
2. 定义模型
3. 编译模型
4. 训练模型（fit）
5. 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