深度学习分类步骤——鸢尾花分类

最新推荐文章于 2025-09-27 15:01:08 发布

原创

最新推荐文章于 2025-09-27 15:01:08 发布 · 7.5k 阅读

132 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习

本文介绍了使用鸢尾花数据集进行深度学习分类的完整流程，包括数据预处理、构建神经网络、参数优化、测试准确率评估及结果可视化。通过TensorFlow实例演示了如何使用softmax回归进行多分类，并展示了训练过程中的loss和accuracy曲线。

1.数据集的介绍

以鸢尾花数据集为例，共有150组，每组包括花萼长、花萼宽、花瓣长、花瓣宽4个输入特征。同时给出了这一组特征对应的鸢尾花的类别。类别包括狗尾草鸢尾、杂色鸢尾以及弗吉尼亚鸢尾，分别用0，1，2表示。

数据集读入：从sklearn包datasets读入数据集，如下：

from sklearn.datasets import load_iris

x_data = load_iris().data  # 返回iris数据集所有输入特征
y_data = load_iris().target  # 返回iris数据集所有标签

from sklearn.datasets import load_iris
from pandas import DataFrame
import pandas as pd

x_data = load_iris().data  # 返回iris数据集所有输入特征
y_data = load_iris().target  # 返回iris数据集所有标签
print("x_data from datasets:", x_data)
print("y_data from datasets", y_data)

x_data = DataFrame(x_data, columns=['花萼长', '花萼宽', '花瓣长', '花瓣宽'])
pd.set_option('display.unicode.east_asian_width', True)  # 设置列名对齐
print(x_data)

x_data['类别'] = y_data  # 新加一列，列标签‘类别’，数据为y_data
print("x_data add a column: \n", x_data)