Keras之DNN：基于Keras(sigmoid+binary_crossentropy+predict_proba)利用DNN实现分类预测概率——DIY二分类数据集&预测新数据点

干净冬瓜 2022-09-19 16:09:32  50815

分类专栏：资讯

输出结果

实现代码


 coding:utf-8
 
Keras之DNN：基于Keras(sigmoid+binary_crossentropy+predict_proba)利用DNN实现分类预测概率——DIY二分类数据集&预测新数据点
 
 
 
 生成二分类数据集
X, y = make_blobs(n_samples=100, centers=2, n_features=2, random_state=1)
print(X,y)
 
Xa=[]
Xb=[]
for i in range(0,len(X)):
    Xa.append(X[i][0])
    Xb.append(X[i][1])
print('a',Xa)
print('b',Xb)
plt.scatter(Xa,Xb,marker='o',c='',edgecolors='g')edgecolors是控制圆圈的边缘颜色，c是控制圆心的颜色，c=''就是空心
 
 
scalar = MinMaxScaler()
scalar.fit(X)
X = scalar.transform(X)
 定义并拟合最终模型
model = Sequential()
model.add(Dense(4, input_dim=2, activation='relu'))
model.add(Dense(4, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam')
model.fit(X, y, epochs=500, verbose=0)
 
T1、单个预测，新的未知数据实例
Xnew = array([[0.89337759, 0.65864154]])
 作出预测
ynew = model.predict_proba(Xnew)
print(Xnew,ynew)
plt.scatter(Xnew[0][0],Xnew[0][1],marker='^',c='',edgecolors='b')edgecolors是控制圆圈的边缘颜色，c是控制圆心的颜色，c=''就是空心
plt.title('Keras-DNN—Single: Binary classification——Jason Niu')
plt.show() 
 
 
 T2、多个预测，新的未知数据实例
 Xnew, _ = make_blobs(n_samples=3, centers=2, n_features=2, random_state=1)
 Xnew = scalar.transform(Xnew)
 print(Xnew)
  作出预测
 ynew = model.predict_proba(Xnew)
  显示输入和输出
 Xnew_x=[]
 Xnew_y=[]
 for i in range(len(Xnew)):
     print("X=%s, Predicted=%s" % (Xnew[i], ynew[i]))
     Xnew_x.append(Xnew[i][0])
     Xnew_y.append(Xnew[i][1])  
 plt.scatter(Xnew_x,Xnew_y,marker='.',c='',edgecolors='r')edgecolors是控制圆圈的边缘颜色，c是控制圆心的颜色，c=''就是空心
 plt.title('Keras-DNN—Multiple: Binary classification——Jason Niu')
 plt.show()

网站声明：如果转载，请联系本站管理员。否则一切后果自行承担。

本文链接：https://www.xckfsq.com/news/show.html?id=3499

赞同 0

评论 0 条

Keras之DNN：基于Keras(sigmoid+binary_crossentropy+predict_proba)利用DNN实现分类预测概率——DIY二分类数据集&预测新数据点

输出结果

实现代码

相关文章

关注我们