基于神经网络模型的二分类--以Creditcard DataSet数据集为例

数据集特点：Creditcard数据集包含711个样本；29个特征；1个标签（0、1表示信用卡是否出现问题）

问题定义

单标签二分类问题
标签的取值只有两种，并且只有一个需要预测的标签

解决方法：构建神经网络模型

具体思路：将29个特征数据作为输入数据，将标签（0、1）作为待预测值，调整神经网络模型中的参数使得Loss降低

代码实现（python）

1. 导入库

import numpy as np
import torch
import matplotlib.pyplot as plt

2. 导入数据

data = np.loadtxt('diabetes.csv', delimiter=',', dtype=np.float32)
x_data = torch.from_numpy(data[:, :-1])
y_data = torch.from_numpy(data[:, [-1]])

3. 定义模型

class Model(torch.nn.Module):def __init__(self):super(Model, self).__init__()# 定义三层线性层  通过矩阵乘法将前一层的矩阵变换为下一层的矩阵self.linear1 = torch.nn.Linear(29, 20)  # 759x8 -> 759x6self.linear2 = torch.nn.Linear(20, 11)  # 759x6 -> 759x4self.linear3 = torch.nn.Linear(11, 1)  # 759x4 -> 759x1# 定义激活函数self.sigmoid = torch.nn.Sigmoid()def forward(self, x):# 叠加线性层每两层之间一定要加入非线性层，否则可以直接由一个线性层代替x = self.sigmoid(self.linear1(x))  # 759x8x = self.sigmoid(self.linear2(x))  # 759x6y_pred = self.sigmoid(self.linear3(x))  # 759x4return y_pred  # 759x1

model = Model()

4. 构建损失函数和优化器

# torch.nn.BCELoss() 二分类交叉熵损失函数（ Binary CrossEntropy ）
# reduction = 'mean' ，返回loss的平均值
criterion = torch.nn.BCELoss(reduction='mean')# torch.optim.SGD() 随机梯度下降算法（ Stochastic Gradient Descent ）
# model.parameters() 保存的是Weights和Bais参数的值 y=wx+b
optimizer = torch.optim.SGD(model.parameters(),lr = 0.001)

5. 训练数据

for epoch in range(1000):y_pred = model(x_data)loss = criterion(y_pred, y_data)loss_list.append(loss.item())epoch_list.append(epoch)# 清空过往梯度optimizer.zero_grad()  # 反向传播，计算当前梯度loss.backward()  # 根据梯度更新网络参数optimizer.step()  print(epoch, loss.item())

6. 可视化展示

loss_list=[]
epoch_list=[]plt.plot(epoch_list, loss_list)
plt.ylabel('loss')
plt.xlabel('epoch')
plt.show()

基于神经网络模型的二分类--以Creditcard DataSet数据集为例相关推荐

图片2分类卷积神经网络模型训练、分类预测案例全过程（1）
图片2分类卷积神经网络模型训练.分类预测案例全过程(1) 前言 (1)尽管目前有关卷积神经网络深度学习的相关材料较多,但深度学习牵涉到数据预处理.模型构建.模型调用等环节,我也是一个初学者,中间有很多 ...
图片2分类卷积神经网络模型训练、分类预测案例全过程（2）
上一篇博客内容讲述了卷积神经网络模型构建.训练以及模型的保存,包括训练样本数据的预处理和喂给网络. 本篇博客内容讲述训练好的模型的应用和实际图片数据的分类预测. 图片2分类卷积神经网络模型训练.分类预 ...
【深度学习】【PaddlePaddle】DAY 3 - 构建神经网络模型（二）
深度学习课程 DAY 3 - 构建神经网络模型(二) Chapter 2 构建神经网络模型 2.2 代码实现-构建神经网络模型 (4)训练过程 1)梯度下降法 2)计算梯度 3)使用Numpy进行梯度 ...
基于神经网络模型的文本语义通顺度计算研究-全文复现(还没弄完)
该硕士学位论文分为两个部分: ①基于依存句法分析的语义通顺度计算方法 ②基于神经网络模型的语义通顺度计算方法本篇记录摘抄了该论文的核心内容以及实验复现的详细步骤. 在N-gram模型下进行智能批改场 ...
体验AI乐趣：基于AI Gallery的二分类猫狗图片分类小数据集自动学习
摘要:直接使用AI Gallery里面现有的数据集进行自动学习训练,很简单和方便,节约时间,不用自己去训练了,AI Gallery 里面有很多类似的有趣数据集,也非常好玩,大家一起试试吧. 本文分享自 ...
R语言将多分类数据集转化为二分类数据集，使用条件判断将多分类转化为二分类（transform dataset into a dichotomous factor response dataset）
R语言将多分类数据集转化为二分类数据集,使用条件判断将多分类转化为二分类(transform dataset into a dichotomous factor response dataset) 目 ...
基于简单神经网络模型的鸢尾花分类问题
摘要本人在学习<Python机器学习基础教程>时的一些小实验. 一.认识鸢尾花数据 python的机器学习库scikit-learn中保存了大量的经典的实验数据集,在学习阶段没有办法搜集 ...
基于cnn的图像二分类算法（一）
本算法是基于tensorflow,使用python语言进行的一种图像分类算法,参考于谷歌的mnist手写识别,包括以下几个模块:图像读取,图像处理,图像增强.卷积神经网络部分包括:卷积层1,汇合层1( ...
基于SVM的图像二分类算法
本实验是用的python代码实现图像的二分类问题,我是在eclipse中搭建python环境. 一.数据集处理我采用的是甜椒叶数据集(我忘了下载地址在哪里,我只用了一部分数据集),其中健康叶片有37 ...

基于神经网络模型的二分类--以Creditcard DataSet数据集为例

代码实现（python）

1. 导入库

2. 导入数据

3. 定义模型

4. 构建损失函数和优化器

5. 训练数据

6. 可视化展示

基于神经网络模型的二分类--以Creditcard DataSet数据集为例相关推荐

最新文章

热门文章