模拟数据解决二分类问题项目描述
模拟数据解决二分类问题项目描述:
已经发布公众号:
利用Python的numpy模块下的random类生成模拟数据集,然后对这些数据进行交叉熵最小化计算找到最合适的参数,也就完成了整个模型的调整过程。
数据集是一个由两个元素组成的列表的组合列表,通过计算两个元素的和和1的比较来模拟真实情况中的好零件还是坏零件。
数据集如下,只是其中一部分。
[[ 4.17022005e-01 7.20324493e-01]
[ 1.14374817e-04 3.02332573e-01]
[ 1.46755891e-01 9.23385948e-02]
[ 1.86260211e-01 3.45560727e-01]]
预测值Y就是0,1组成的数列。
Y is [[0], [1], [1], [1], [1], [0], [0], [1], [1], [1], [0]]
输入数据 x: Tensor("x-input:0", shape=(?, 2), dtype=float32)
真实值y_ : Tensor("y-input:0", shape=(?, 1), dtype=float32)
交叉熵 cross_entropy is: Tensor("Neg:0", shape=(), dtype=float32)
numpy是一个科学计算工具包,这里用来生成模拟数据集
batch就是每次训练多少批次的意思
定义神经网络参数,根据具体的神经网络结构来定义
定义前向传播算法
定义损失函数
定义反向传播算法
随机数生成模拟数据集
定义符合条件的规则:x1+ x2<1是正样本,比如零件合格。0表示负样本,1表示正样本
创建会话运行TensorFlow程序
初始化变量
设定训练的轮数
每次选取batch个样本进行训练
通过选取的样本训练神经网络并且更新参数
隔一段时间计算所有数据集上的交叉熵
看到交叉熵越来越小,说明预测结果和真实值越来越小
最后我们得到了神经网络最合理的参数值。这是我们想要的结果,调整模型其实就是调整参数的过程。
模拟数据解决二分类问题项目描述相关推荐
- 模拟数据集上训练神经网络,网络解决二分类问题练习
#2018-06-24 395218 June Sunday the 25 week, the 175 day SZ ''' 模拟数据集上训练神经网络,网络解决二分类问题.'''import tens ...
- 【火炉炼AI】机器学习008-简单线性分类器解决二分类问题
[火炉炼AI]机器学习008-简单线性分类器解决二分类问题 (本文所使用的Python库和版本号: Python 3.5, Numpy 1.14, scikit-learn 0.19, matplot ...
- 用二项逻辑斯蒂回归解决二分类问题
逻辑斯蒂回归: 逻辑斯蒂回归是统计学习中的经典分类方法,属于对数线性模型.logistic回归的因变量可以是二分类的, 也可以是多分类的 基本原理 logistic 分布 折X是连续的随机变量,X服从 ...
- Logistic 回归与 Softmax 回归在解决二分类问题的区别
Logistic 回归与 Softmax 回归在解决二分类问题的区别 在学习邱锡鹏老师的<神经网络与深度学习>的Softmax回归时,他在最后提出了此问题. 久经思考后,没想出来有什么区别 ...
- 逻辑回归解决二分类问题(一)
文章目录 Binary Classification Logistic Regression Logistic Regression Error (Cost function) 逻辑回归模型一般用来解 ...
- 解决二分类问题正确率始终在50%的解决办法(CatDog超详细)
一.前提: 使用环境: Anaconda虚拟环境 python3.6 pytorch 1.4.0 主要依赖包: torch,numpy,torchvision,matplotlib,time,os,t ...
- MMSegmentation跑自己的数据进行二分类
官方文档:https://mmsegmentation.readthedocs.io/ 我的数据是RGB影像为.tif,标签影像为单通道(0-255)的.png影像,背景像素值为0,建筑物像素值为25 ...
- 降维后输入分类器分类时报错_逻辑回归解决多分类方法及其优缺点分析
众所周知,逻辑回归常用于解决二分类任务,但是在工作/学习/项目中,我们也经常要解决多分类问题.本文总结了 3 种逻辑回归解决多分类的方法,并分析了他们的优缺点. 一.One-Vs-Rest 假设我们要 ...
- 分类算法-逻辑回归与二分类
逻辑回归(Logistic Regression)是机器学习中的一种分类模型,逻辑回归是一种分类算法,虽然名字中带有回归,但是它与回归之间有一定的联系.由于算法的简单和高效,在实际中应用非常广泛. 1 ...
最新文章
- 捅破窗户纸:如何从过程到对象—For金色的海洋以及所有为面向对象而困惑的Tx...
- 如何在Java中比较日期? [重复]
- 【学习笔记】之多项式使人头秃
- scrapy 分布式 mysql_Scrapy基于scrapy_redis实现分布式爬虫部署的示例
- SRT协议应用于直播CDN,实现200ms以下的低延时、弱网传输
- mysql事务日志备份_事务日志备份 (SQL Server)
- C++ string和wstring互转实现
- Harris角点检测原理分析
- VMware虚拟机安装xp系统
- VS2010开发web项目打开后,项目不可用,提示“需要缺少的 Web 组件才能进行加载”
- wps的广告怎么彻底关闭
- 2022-2023年度的AMC数学竞赛报名时间来了
- 知识表示学习研究进展
- 带你读懂——频率响应与采样频率之间的关系
- C# chart控件中游标随着鼠标移动
- vue3 如何使用 vue3-tinymce
- 软件测试 - 测试基础知识
- spring入门例子
- java特征向量计算_Java与Python计算特征向量的区别
- vscode输入vue一键生成代码