Python深度学习实战:多类花朵分类

Python深度学习实战:多类花朵分类

  • 鸢尾花分类数据集
  • 导入库和函数
  • 指定随机数种子
  • 导入数据
  • 输出变量编码
  • 设计神经网络
  • 用K折交叉检验测试模型
  • 总结

本章我们使用Keras为多类分类开发并验证一个神经网络。本章包括:

  • 将CSV导入Keras
  • 为Keras预处理数据
  • 使用scikit-learn验证Keras模型

鸢尾花分类数据集

本章我们使用经典的鸢尾花数据集。这个数据集已经被充分研究过,4个输入变量都是数字,量纲都是厘米。每个数据代表花朵的不同参数,输出是分类结果。数据的属性是(厘米):

  1. 萼片长度
  2. 萼片宽度
  3. 花瓣长度
  4. 花瓣宽度
  5. 类别
    这个问题是多类分类的:有两种以上的类别需要预测,确切的说,3种。这种问题需要对神经网络做出特殊调整。数据有150条:前5行是:
5.1,3.5

你可能感兴趣的:(Python实战教程,python,机器学习,深度学习,人工智能,keras)