- 上篇讲了概念的东西 实战使用 泰坦尼克数据集，之前对它进行数据预处理 可以阅读上几篇 import pandas as pd import keras import numpy as np data = pd.read_csv('./dataset/tt/train.csv') y = data.Survived x = data[['Pclass', 'Sex... 上篇讲了概念的东西 实战使用 泰坦尼克数据集，之前对它进行数据预处理 可以阅读上几篇 import pandas as pd import keras import numpy as np data = pd.read_csv('./dataset/tt/train.csv') y = data.Survived x = data[['Pclass', 'Sex...
- 数据集 """ 年龄。(数字) 工作: 工作类型。(分类: 管理员，未知，失业者，经理，女佣，企业家，学生，蓝领，个体户，退休人员，技术人员，服务人员) 婚姻: 婚姻状况。(分类: 已婚，离婚，单身。注: 离婚指离异或丧偶) 教育: (分类: 未知，中学，小学，高中) 默认值: 是否具有信用?(二分类: 是，否) 余额: 年均余额，单位为欧元。(数字) 住房: 有住房... 数据集 """ 年龄。(数字) 工作: 工作类型。(分类: 管理员，未知，失业者，经理，女佣，企业家，学生，蓝领，个体户，退休人员，技术人员，服务人员) 婚姻: 婚姻状况。(分类: 已婚，离婚，单身。注: 离婚指离异或丧偶) 教育: (分类: 未知，中学，小学，高中) 默认值: 是否具有信用?(二分类: 是，否) 余额: 年均余额，单位为欧元。(数字) 住房: 有住房...
- 上次我们用探究多分类的问题,目标数据做独热编码，用 categorical_crossentropy 来计算softmax交叉熵，但是多分类还可以将目标数据做顺序编码，用 sparse_categorical_crossentropy 来计算softmax交叉熵 没错这次用目标数据做顺序编码来处理之前的iris数据集 导入不讲了 data = pd.read_cs... 上次我们用探究多分类的问题,目标数据做独热编码，用 categorical_crossentropy 来计算softmax交叉熵，但是多分类还可以将目标数据做顺序编码，用 sparse_categorical_crossentropy 来计算softmax交叉熵 没错这次用目标数据做顺序编码来处理之前的iris数据集 导入不讲了 data = pd.read_cs...
- 文字预处理 在文字的建模实践中，一般需要把原始文字拆解成单字、单词或者词组，然后将这些拆分的要素进行索引，标记化供机器学习算法使用。这种预处理叫做标注（Tokenize）。虽然这些功能都可以用python实现，但是Keras提供了现成的方法。 对于keras全部封装在text中 分词器 Tokenizer keras.preprocessing.text.To... 文字预处理 在文字的建模实践中，一般需要把原始文字拆解成单字、单词或者词组，然后将这些拆分的要素进行索引，标记化供机器学习算法使用。这种预处理叫做标注（Tokenize）。虽然这些功能都可以用python实现，但是Keras提供了现成的方法。 对于keras全部封装在text中 分词器 Tokenizer keras.preprocessing.text.To...
- 多层感知器(神经网络) 从线性回归模型和对数几率回归模型本质上都是单个神经元 计算输入特征的加权 使用一个激活函数计算输出 单个神经元(二分类) 多和神经元(多分类) 但是单层神经元有缺陷 无法拟合“异或”运算 多去官网https://keras.io/zh/看看 因此多层感知器诞生 生物的 多层感知器(神经网络) 从线性回归模型和对数几率回归模型本质上都是单个神经元 计算输入特征的加权 使用一个激活函数计算输出 单个神经元(二分类) 多和神经元(多分类) 但是单层神经元有缺陷 无法拟合“异或”运算 多去官网https://keras.io/zh/看看 因此多层感知器诞生 生物的
- 什么是一维卷积 一维卷积 • 图中的输入的数据维度为8，过滤器的维度为5。与二维卷积类似，卷积后输出的数据维度为8−5+1=48−5+1=4。 • 如果过滤器数量仍为1，输入数据的channel数量变为16，即输入数据维度为 8 × 16 。这里channel的概念相当于自然语言处理中的embedding，而该输入数据代表8个单词，其中每个单词的词向量维度大小... 什么是一维卷积 一维卷积 • 图中的输入的数据维度为8，过滤器的维度为5。与二维卷积类似，卷积后输出的数据维度为8−5+1=48−5+1=4。 • 如果过滤器数量仍为1，输入数据的channel数量变为16，即输入数据维度为 8 × 16 。这里channel的概念相当于自然语言处理中的embedding，而该输入数据代表8个单词，其中每个单词的词向量维度大小...
- 上次讲了二分类的实例，今天来探究多分类的问题 实战 iris数据集的介绍 iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Ve... 上次讲了二分类的实例，今天来探究多分类的问题 实战 iris数据集的介绍 iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Ve...
- 上篇通过实例了解了过拟合，那如何处理将是本文处理的问题 Dropout抑制过拟合 在每一次训练中，随机丢弃一部分隐藏单元，从而加强另一部分单元的学习 原理 取平均的作用：先回到标准的模型没有dropout，我们会用相同的训练数据去训练5个不同的神经网络，一般会得到5个不同的结果，此时我们可以采用“5个结果取均值”或者“对数取胜的投票策略”去决定最懂结果... 上篇通过实例了解了过拟合，那如何处理将是本文处理的问题 Dropout抑制过拟合 在每一次训练中，随机丢弃一部分隐藏单元，从而加强另一部分单元的学习 原理 取平均的作用：先回到标准的模型没有dropout，我们会用相同的训练数据去训练5个不同的神经网络，一般会得到5个不同的结果，此时我们可以采用“5个结果取均值”或者“对数取胜的投票策略”去决定最懂结果...
- 今天写欠拟合和过拟合 这次用德国信用卡数据集 import pandas as pd import numpy as np import matplotlib.pyplot as plt %matplotlib inline data = pd.read_csv('../dataset/credit-a.csv',header=None) 12345 这次... 今天写欠拟合和过拟合 这次用德国信用卡数据集 import pandas as pd import numpy as np import matplotlib.pyplot as plt %matplotlib inline data = pd.read_csv('../dataset/credit-a.csv',header=None) 12345 这次...
- 什么是批量标准化 批标准化（Batch Normalization,BN），又叫批量归一化，是一种用于改善人工神经网络的性能和稳定性的技术。 这是一种为神经网络中的任何层提供零均值/单位方差输入的技术。批量标准化用于通过调整和缩放激活来规范化输入层。 在keras中主要使用BatchNormalization keras.layers.BatchNormaliza... 什么是批量标准化 批标准化（Batch Normalization,BN），又叫批量归一化，是一种用于改善人工神经网络的性能和稳定性的技术。 这是一种为神经网络中的任何层提供零均值/单位方差输入的技术。批量标准化用于通过调整和缩放激活来规范化输入层。 在keras中主要使用BatchNormalization keras.layers.BatchNormaliza...
- 今天来探讨模型的保存 Keras使用HDF5文件系统来保存模型。模型保存的方法很容易，只需要使用save()方法即可。 上次训练好了手写数字识别数据集，今天学会如何保存数据集 保存/加载整个模型 Keras 使用了 h5py Python 包。 h5py 是 Keras 的依赖项，应默认被安装 使用 model.save(filepath) 将 Kera... 今天来探讨模型的保存 Keras使用HDF5文件系统来保存模型。模型保存的方法很容易，只需要使用save()方法即可。 上次训练好了手写数字识别数据集，今天学会如何保存数据集 保存/加载整个模型 Keras 使用了 h5py Python 包。 h5py 是 Keras 的依赖项，应默认被安装 使用 model.save(filepath) 将 Kera...
- Pima Indians数据集为糖尿病患者医疗记录数据，是一个二分类问题。本代码采用80%数据训练，20%数据测试的方法。若数据不做归一化处理，最终模型的分类精度为 79.17%；而数据进行归一化以后，最终模型的分类精度为81.38%。 """ 数据集中的feature解释： Number of times pregnent: 怀孕次数 Plasma glucos... Pima Indians数据集为糖尿病患者医疗记录数据，是一个二分类问题。本代码采用80%数据训练，20%数据测试的方法。若数据不做归一化处理，最终模型的分类精度为 79.17%；而数据进行归一化以后，最终模型的分类精度为81.38%。 """ 数据集中的feature解释： Number of times pregnent: 怀孕次数 Plasma glucos...
- keras 中数据预处理 所有的函数都在keras.preprocessing 分别有text ,sequence, image # 文字预处理 txt = "My name is maoli.maoli don't like coding." 12 文字预处理 文字拆分 建立索引 padding（序列补齐） 标注 from keras.prepr... keras 中数据预处理 所有的函数都在keras.preprocessing 分别有text ,sequence, image # 文字预处理 txt = "My name is maoli.maoli don't like coding." 12 文字预处理 文字拆分 建立索引 padding（序列补齐） 标注 from keras.prepr...
- 一旦你利用Keras完成了训练，你可以将你的网络保存在HDF5里面。 keras的模型保存分为多种情况。 一、不保存模型只显示大概结构 model.summary() 这个函数会打印模型结构，但是仅仅是打印到控制台。 keras.utils.plot_model() 使用graphviz中的dot.exe生成网络结构拓扑图 二、保存模型结构 keras.mode... 一旦你利用Keras完成了训练，你可以将你的网络保存在HDF5里面。 keras的模型保存分为多种情况。 一、不保存模型只显示大概结构 model.summary() 这个函数会打印模型结构，但是仅仅是打印到控制台。 keras.utils.plot_model() 使用graphviz中的dot.exe生成网络结构拓扑图 二、保存模型结构 keras.mode...
- Bug： ModuleNotFoundError: No module named 'keras.utils.vis_util' 解决方案： pip install pydot_ng pip install pydot Bug： ModuleNotFoundError: No module named 'keras.utils.vis_util' 解决方案： pip install pydot_ng pip install pydot
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签