- 博客(4)
- 收藏
- 关注
RSS订阅原创 4.全连接神经网络--病症预测-代码解读
model.fit() 就是模型开始训练，里面传入的参数就是训练数据集，epochs表示的是将整个训练集学习110轮，batch_size表示的是每一次训练的数据量，verbose表示的是打印的内容，如果＝1就打印进度条；这里的随机种子可以是任意一个数，目的就是确保每一轮训练划分的训练集和测试集都是一样的，避免测试机混入训练集中。模型搭建之后，对神经网络进行编译：也就是对模型训练的规则进行说明，例如损失函数是使用交叉熵，优化器(optimizer)是梯度下降法，记录的指标是accuracy。
2026-07-28 22:13:00
6
原创 3.逻辑回归模型--病症预测-解读
classification_report的作用就是打印模型的性能指标，例如，准确率，召回率，f1等。这行代码的执行，就是内部就是，在不断调整参数 w 和 b，最后得到的就是 w=[...], b=[...] ，所以coef_就是w，intercept_就是b。但是 pre_result_proba = lr.predict_proba(x_test)，中返回的是预测的概率，例如，其实 lr.predict(x_test)，已经将数据分类好了，会直接输出0，1等预测结果。会输出精确率、召回率、f1等指标。
2026-07-27 20:52:09
216
原创 2.手写线性回归模型
然后，开始在for循环中手动模拟 模型训练；这里设置的训练轮次为100轮，每次计算的loss均方差和跟新的参数w，都打印在屏幕上。最后print()语句中的forword(4)，就是输入4，为测试。公式为：w = w - n * (损失函数对参数w的导数)。其中 n 是学习率，也就是所谓的步长。这里根据数据的变化趋势，判断数据之间的关系是线性关系，所以将模型设置为一个一次函数。损失函数设置为 均方差。计算梯度的函数就是：让损失函数对参数w进行求导，
2026-07-26 16:54:39
170
原创 pycharm和anaconda的安装--深度学习环境安装
在中国，由于网络环境的特殊性，直接从国外的Python包索引(PyPI)下载Python包可能会比较慢。因此，很多国内的机构和公司提供了PyPI的镜像源，以加速国内用户的下载速度。这些自己创建的环境，如同一栋大楼里面的一个一个的房间，房间1是base，里面有一些工具；房间2是keras，里面有一些东西，如果需要添加包，可通过镜像网站来下载这些房间里。上面的图片是，创建一个名为keras的环境，其中最基础的环境的python版本是3.8。上面展示的搜索到的包，询问你是否下载，输入 y，回车即可。
2026-07-26 16:02:23
336
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人