码迷,mamicode.com
首页 > 其他好文 > 详细

汽车安全性评估数据分类

时间:2020-03-29 19:50:09      阅读:63      评论:0      收藏:0      [点我收藏+]

标签:nbsp   数据集   pil   random   方法   ali   alt   compile   span   

import pandas as pd

# 加载数据集
df = pd.read_csv(
    "http://labfile.oss.aliyuncs.com/courses/1211/car.data", header=None)
# 设置列名
df.columns = [buying, maint, doors,
              persons, lug_boot, safety, class]
from sklearn.model_selection import train_test_split

X = df.iloc[:, :-1]  # 特征
y = df[class]  # 目标


X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1)
#数据处理,利用one-hot编码
X_train = pd.get_dummies(X_train).values X_test = pd.get_dummies(X_test).values y_train = pd.get_dummies(y_train).values y_test = pd.get_dummies(y_test).values
import tensorflow as tf
model = tf.keras.Sequential()  # 建立顺序模型
model.add(tf.keras.layers.Dense(units=30, input_dim=21, activation=relu))  # 隐含层 1
model.add(tf.keras.layers.Dense(units=15, activation=relu))  # 隐含层 2
model.add(tf.keras.layers.Dense(units=4, activation=softmax))  # 输出层
#通俗来说,input_length就是输入数据的长度,Input_dim就是数据的维度。比如一条数据内容是: “人人车” ,  one hot编码后是 [[1 0] [1 0] [0 1]]表示 ,则  batch_size = 3, input_dim = 2. 
model.summary()  # 查看模型结构
# 编译模型,添加优化器,损失函数和评估方法。tf.optimizers.Adam 作为优化器,tf.losses.categorical_crossentropy 多分类交叉熵
model.compile(optimizer=adam, loss=categorical_crossentropy, metrics=[accuracy])
# 训练模型
model.fit(X_train, y_train, batch_size=64, epochs=20, validation_data=(X_test, y_test))

技术图片

 

汽车安全性评估数据分类

标签:nbsp   数据集   pil   random   方法   ali   alt   compile   span   

原文地址:https://www.cnblogs.com/dieyingmanwu/p/12594120.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有 京ICP备13008772号-2
迷上了代码!