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 ...
最新文章
- ASP.NET2.0 文本编辑器FCKeditor的冰冷之心 【月儿原创】
- matlab计算斜方差_协方差与Matlab的实现
- (每日一题)CF1139D Steps to One 2021年天梯赛 L3-3 可怜的简单题(期望,莫比乌斯反演,杜教筛)
- Executor详细介绍 打造基于Executor的Web服务器
- Kubernetes 第五章 YAML
- python培训机构推荐-广州有哪些不错的python培训班
- 2020-11-21(线性扫描反汇编算法和递归下降扫描反汇编算法)
- [转]国际化: 理解Java平台上的Locale
- ClassLoader背景知识
- 官宣!VS Code Python 全新功能全球首发!
- SVN安装后创建仓库、用户、上传代码
- Ubuntu挂载U盘相关
- virtualbox安装步骤
- Solana 区块链数据抓取
- 首个完全实用异步共识算法提出,我国区块链核心算法取得重大突破 | 产业区块链发展周报...
- 热敏打印机数据截取+追加打印二维码
- 稽首文殊,寒山之士;南无普…
- 骨传导原理是什么?骨传导耳机对保护耳朵健康有帮助吗?
- 桃词典 Peach Dictionary 简易英语词典app开发 安卓软件开发 The End 导航页及收尾工作
- 用PaddlePaddle鉴定红酒质量