tensorflow标准化编译对Iris模型进行拟合

最新推荐文章于 2025-05-13 16:44:12 发布

Turing's Cat

最新推荐文章于 2025-05-13 16:44:12 发布

阅读量152

点赞数

分类专栏： sklearn 文章标签： tensorflow 深度学习机器学习

本文链接：https://blog.youkuaiyun.com/qq_41893089/article/details/112209648

版权

sklearn 专栏收录该内容

4 篇文章

订阅专栏

本文旨在介绍如何使用TensorFlow进行数据标准化，并编译模型来拟合Iris数据集。通过学习，读者将掌握深度学习框架TensorFlow在机器学习任务中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

学习目标：

tensorflow标准化编译对Iris模型进行拟合

学习产出：

import numpy as np
import tensorflow as tf
from sklearn.datasets import load_iris

data = load_iris()
iris_data = data.data
iris_target = data.target

iris_target = np.float32(tf.keras.utils.to_categorical(iris_target,num_classes=3))
train_data = tf.data.Dataset.from_tensor_slices((iris_data,iris_target)).batch(128)
input_xs = tf.keras.Input(shape=(4),name='input_xs')
out = tf.keras.layers.Dense(32,activation = 'relu',name='dense_1')(input_xs)
out = tf.keras.layers.Dense(64,activation = 'relu',name='dense_2')(out)
logits = tf.keras.layers.Dense(3,activation='softmax',name='predications')(out)
model = tf.keras.Model(inputs=input_xs,outputs=logits)
opt = tf.optimizers.Adam(1e-3)
model.compile(optimizer=tf.optimizers.Adam(1e-3),loss = tf.losses.categorical_crossentropy,metrics = ['accuracy'])
model.fit(train_data,epochs=500)
score = model.evaluate(iris_data,iris_target)
print('last score:',score)