NNDL 实验五 前馈神经网络（3）鸢尾花分类

目录

深入研究鸢尾花数据集

4.5 实践：基于前馈神经网络完成鸢尾花分类

4.5.1 小批量梯度下降法

4.5.2 数据处理

4.5.3 模型构建

4.5.4 完善Runner类

4.5.5 模型训练

4.5.6 模型评价

4.5.7 模型预测

思考题

总结

---

深入研究鸢尾花数据集

画出数据集中150个数据的前两个特征的散点分布图：

【统计学习方法】感知机对鸢尾花(iris)数据集进行二分类

4.5 实践：基于前馈神经网络完成鸢尾花分类

继续使用第三章中的鸢尾花分类任务，将Softmax分类器替换为前馈神经网络。

• 损失函数：交叉熵损失；
• 优化器：随机梯度下降法；
• 评价指标：准确率。

4.5.1 小批量梯度下降法

4.5.2 数据处理

4.5.3 模型构建

4.5.4 完善Runner类

4.5.5 模型训练

4.5.6 模型评价

4.5.7 模型预测

---

 思考题

1. 对比Softmax分类​​​​​​​和前馈神经网络分类。（必做）

  分类效果图可参考：

 

2. 自定义隐藏层层数和每个隐藏层中的神经元个数，尝试找到最优超参数完成多分类。（选做）

3. 对比SVM与FNN分类效果，谈谈自己看法。（选做）

---

总结

1. 总结本次实验；

2. 全面总结前馈神经网络，梳理知识点，建议画思维导图。

例如：

---

 

ref：

NNDL 实验4（下） - HBU_DAVID - 博客园 (cnblogs.com)

2.5. 自动微分 — 动手学深度学习 2.0.0-beta1 documentation (d2l.ai)

4.7. 前向传播、反向传播和计算图 — 动手学深度学习 2.0.0-beta1 documentation (d2l.ai)