多分類例:トビの花の分類-ケミカルベースのpython学習ノート(五)
7213 ワード
著作権声明:本文はブロガーのオリジナル文章で、ブロガーの許可なしに転載してはいけません.https://blog.csdn.net/weixin_444718/articale/details/86420803データセットはUCIマシン学習倉庫からダウンロードできます.http://archive.ics.uci.edu/ml/datasets/Iris)深さ学習に必要なデータは全部データの場合、データセットは4つの数値入力項目を持ち、出力項目はとんびの3つのサブクラスです.
scikit-learn
で提供されるデータセットを使用する.入力層(4つの入力)->隠蔽層(4つのニューロン)->隠蔽層(6つのニューロン)->出力層(3つの出力)from sklearn import datasets
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import KFold
#
dataset = datasets.load_iris()
x = dataset.data
Y = dataset.target
#
seed = 7
np.random.seed(seed)
#
def create_model(optimizer='adam', init='glorot_uniform'):
# * (4 )---> (4 )---> (6 )---> (3 )
model = Sequential()
model.add(Dense(units=4, activation='relu', input_dim=4, kernel_initializer=init))
model.add(Dense(units=6, activation='relu', kernel_initializer=init))
model.add(Dense(units=3, activation='softmax', kernel_initializer=init))
#
model.compile(loss='categorical_crossentropy', optimizer=optimizer, metrics=['accuracy'])
return model
model = KerasClassifier(build_fn=create_model, epochs=200, batch_size=5, verbose=0)
kfold = KFold(n_splits=10, shuffle=True, random_state=seed)
results = cross_val_score(model, x, Y, cv=kfold)
print('Accuracy: %.2f%% (%.2f)' % (results.mean()*100, results.std()))