机器学习(深度学习)流程

1. 数据收集、处理
 训练的数据是过去的累积历史数据,经过特征提取产生数据特征与真实值(或特征)
2. 数据预处理
 将数据特征值使用reshape转换,并标准化。将数字真实值以One-Hot Encoding进行转换或多元分类。
3. 建立模型,如多层感知模型、卷积神经网络等。
 Keras只处理模型的建立、训练、预测等功能。
 用激活函数(Activation function)模拟神经传导的工作方式将上层神经元信号传递到下一层,激活函数一般为非线性函数。常用有ReLU、sigmoid函数,建立深度学习模型
4. 进行训练
  建立深度学习模型后,一般使用反向传播(Back Propagation)训练,使用损失函数计算模型计算的结果与真实值之间的误差,重复传播和权重更新,并且与优化器(Optimizer,例如梯度下降法)结合使用,更新权重与偏差,直到误差收敛。
5. 评估模型准确率
  使用测试数据评估模型准确率,测试数据应与训练用的数据区分
6. 进行预测

 

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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