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)

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()))