神经网络解决分类问题

最新推荐文章于 2023-12-24 10:56:52 发布

未来不会在山脚徘徊

最新推荐文章于 2023-12-24 10:56:52 发布

阅读量1.9k

点赞数

分类专栏：分类问题笔记文章标签：神经网络

本文链接：https://blog.csdn.net/zkrazyxszd/article/details/97265776

版权

本文介绍了基于神经网络解决分类问题的实践，通过修改莫烦大神的代码，实现了一个动态基站分类器。核心步骤包括数据one_hot编码、神经网络结构搭建及softmax函数应用。在数据处理部分，强调了正确读取csv文件的方法，避免了从xlsx转csv可能出现的问题。

摘要由CSDN通过智能技术生成

第一个神经网络是一个监督学习的分类问题，依据的是莫烦大神的代码加以修改的，具体的代码如下。

import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
import data_processing

data = data_processing.load_data()
new_data = data_processing.convert2onehot(data) #new_data就是one_hot完成的数据


# prepare training data
new_data = new_data.values.astype(np.float32)       # change to numpy array and float32
#np.random.shuffle(new_data)#只对数据的行之间进行洗牌，每一行中列之间的位置是不变的
sep = int(0.7*len(new_data))
train_data = new_data[:sep]                         # training data (70%)
test_data = new_data[sep:]                          # test data (30%)


# build network
tf_input = tf.placeholder(tf.float32, [None, 22], "input")
tfx = tf_input[:, :20]
tfy = tf_input[:, 20:]

l1 = tf.layers.dense(tfx, 256, tf.nn.tanh, name="l1")#第一个值是输入，第二个是units，第三个是优化器，名字）输入的是tfx
l2 = tf.layers.dense(l1, 256, tf.nn.tanh, nam