![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习基于Keras的Python实践
ywangjiyl
这个作者很懒,什么都没留下…
展开
-
读书笔记(四):深度学习基于Keras的Python实践
多分类实例:鸢尾花分类 针对鸢尾花分类问题创建神经网络的函数功能,创建一个简单的全连接网络,包括一个输入层(4个输入神经元)、两个隐藏层和一个输出层,采用adam作为优化器,adam是一种用来替换随机梯度下降的优化算法, adam的调参相对简单,默认参数可以处理大部分问题,并且使用在Keras中称为分类交叉熵的对数损失函数 评估模型: 确定模型的性能是否达到预定目标,黄金标准是k折交叉验证,首先定义模型评估程序,这里将定义为10,在分割数据之前对数据进行随机乱序排列,然后就可以使用10折交叉验证来评估已经原创 2020-11-11 09:32:49 · 398 阅读 · 1 评论 -
读书笔记(三):深度学习基于Keras的Python实践
Keras类库为深度学习模型提供了一个包装库Wrapper,将Keras的深度学习模型包装成Scikit-Learn中的分类模型或回归模型,以便于方便使用Scikit-Learn中的方法和函数,对深度学习模型的包装是通过KerasClassifier(用于分类模型)和KerasRegressor(用于回归模型)来实现的 使用交叉验证评估模型 KerasClassifier和KerasRegressor类使用参数build_fn,指定用来创建模型的函数的名称,因此必须定义一个函数并通过函数来定义深度学习的原创 2020-11-07 16:54:27 · 439 阅读 · 0 评论 -
读书笔记(二):深度学习基于Keras的Python实践
人工神经网络称为神经网络或多层感知器 多层感知器也许是最有用的神经网络类型,用于解决分类与回归问题,多层感知器是一种前馈人工神经网络模型,将输入的多个数据维度映射到单一的输出数据维度上 神经网络的学习过程,是在其所处环境的激励下,相继给网络输入一些样本,并按照一定的规则(学习算法)调整网络各层的权值矩阵,待网络各层权值都收敛到一定程度,学习过程结束 神经元权重 线性回归种输入的权重与回归方程种使用的系数非常相似,每个神经元也有一个偏差,偏差是改善学习速度和预防过拟合的有效方法。权重通常被初始化为小的随原创 2020-11-05 16:23:55 · 247 阅读 · 0 评论 -
读书笔记(一):深度学习基于Keras的Python实践
第二部分:多层感知器:印第安人糖尿病诊断 1.遇到的问题:pd.read_csv和np.loadtxt的区别,np.loadtxt无法读取csv上的第一行,就是标题,无法读取除数字之外的其他字符。 (1)numpy.loadtxt 用法 读取txt文件 # 首先给出最简单的loadtxt的代码,实际上就是直接写文件名, 其他关键字参数都是默认的. a = np.loadtxt('./data/test.txt') print(a) # a为浮点数的原因为Python默认的数字的数据类型为双精度浮点数原创 2020-11-05 11:41:30 · 1067 阅读 · 0 评论