TensorFlow进阶--实现分类器

本节我们采用IRIS数据集实现一个简单的二值分类器来预测一朵花是否为山鸢尾。

数据输入：花瓣长度、花瓣宽度

数据输出：山鸢尾标记为1，其他物种标记为0

模型：y=sigmoid(x1-(a*x2+b))

损失函数:sigmoid交叉熵损失函数

代码如下：

首先导入库并创建计算图会话

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets

sess = tf.Session()

其次导入数据集，这里引用sklearn内的datasets里的iris数据集，特征选用花瓣长度和花瓣宽度，这两个特征在第3和第4列，同时将山鸢尾标记为1，其余物种标记为0

iris = datasets.load_iris()

data = iris.data[:,2:4]
data_target = np.array([1.0 if x==0 else 0.0 for x in iris.target])

print('data_example'.center(50,'-'))
print('iris_data:',data[1:5,:])
print('data_target:',data_target[1:5])

数据示例为：

-------------------data_example-------------------
iris_data: [[ 1.4  0.2]
 [ 1.3  0.2]
 [ 1.5  0.2]
 [ 1.4  0.2]]
data_target: [ 1.  1.  1.  1.]

接下来声明批量训练大小。数据占位符和模型变量