Keras|五 softmax多分类实例 Keras|深度学习

文章目录

独热编码
顺序编码

独热编码

import keras from keras import layers import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline

data = https://www.it610.com/article/pd.read_csv('./dataset/iris.csv') ##用的是花花分类 data.head()

文章图片

data.Species.unique()##查看花的种类

文章图片

将花的种类转化为数值，采用独热编码

pd.get_dummies(data.Species)##独热编码产生对应种类的编码

文章图片

将新产生的数据加入到原来数据中

data=https://www.it610.com/article/data.join(pd.get_dummies(data.Species)) #将新产生的数据加入到原来数据中 data #看一下当前数据

文章图片

除原有字符串数据

del data['Species'] #删除原有字符串数据

打乱数据方便训练

index = np.random.permutation(len(data))##打乱数据方便训练 data = https://www.it610.com/article/data.iloc[index]

处理数据集

x=data[data.columns[1:-3]]##第二列到倒数第四列为输入 y=data.iloc[:,-3:]##倒数后三列为输出 x.shape,y.shape ##看一下数据维度

训练网络

module = keras.Sequential() module.add(layers.Dense(3,input_dim=4,activation='softmax'))##输入维度3 输出维度4 module.summary()

文章图片

编译模型

module.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['acc'])##因为采用独热编码，所以损失函数用categorical_crossentropy history = module.fit(x,y,epochs=100)

文章图片

文章图片

模型预测

module.predict(pd.DataFrame([[5.1,3.5,1.4,0.2]]))

文章图片

顺序编码下面用顺序编码处理输出是字符产的类型

data = https://www.it610.com/article/pd.read_csv('./dataset/iris.csv') data.Species.unique() ##字符转换为数字 spc_dic = {'setosa': 0, 'versicolor': 1, 'virginica': 2}##顺序编码 data['Species'] = data.Species.map(spc_dic)data ##看一下数据

文章图片

x=data[data.columns[1:-1]] y=data.Species model = keras.Sequential() model.add(layers.Dense(3,input_dim=4,activation='softmax')) model.summary() ##顺序编码loss函数用sparse_categorical_crossentropy model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['acc']) history = model.fit(x,y,epochs=100)