数据探索与可视化
提要处理数值属性的缺失值
3种方法
Impute
处理文本型属性(转为onehot)
文本->数字： OrdinalEncoder
文本/数字->OntHot ： OneHotEncoder
自定义转换器API
定义fit(),transform,fit_transform
如果
...
项目实践--处理高光谱数据
发表于
|
分类于
实战
一维上的模型构建
from keras import models
from keras import layers
from keras import regularizers
model = models.Sequential()
model.add(layers.convolutional.
...
猫狗大战 ---使用预训练模型之微调
发表于
|
分类于
实战
0X00 概念模型微调指对于用特征提取的冻结的模型基，将模型顶部的几层“解冻”，并将解冻的几层和新增加的几层联合训练。
0X01 导入模型
from keras.applications import VGG16
conv_base = VGG16(weights='imagenet',
...
猫狗大战 ---使用预训练模型②
发表于
|
分类于
实战
猫狗大战—使用预训练模型VGG16①
法①: 将输出保存成Numpy数组作为独立的密集连接分类器的输入，速度快代价低，但不能使用数据增强
法②: 在顶部添加Dense层来扩展已有模型（即conv_base）,并在输入数据上端到端的运行整个模型，可以使用数据增强。
本篇现将法②
数据导入将图
...
猫狗大战---使用预训练模型①
发表于
|
分类于
实战
猫狗大战—使用预训练模型VGG16①
法①: 将输出保存成Numpy数组作为独立的密集连接分类器的输入，速度快代价低，但不能使用数据增强
法②: 在顶部添加Dense层来扩展已有模型（即conv_base）,并在输入数据上端到端的运行整个模型，可以使用数据增强。
本篇现将法①
数据导入将图
...
猫狗大战---自制模型
发表于
|
分类于
实战
猫狗大战
自制模型
数据导入将图像复制到训练，验证和测试目录
import os
import shutil
TRAIN_DIR = 'D:\\Jupyter\\dogs-vs-cats\\'
BASE_DIR = 'E:\\BaiduNetdiskDownload\\kaggle\\tra
...
防止过拟合和机器学习通用流程
发表于
|
分类于
机器学习
防止神经网络过拟合的常用方法：
获取更多的训练数据
减小网络容量
添加权重正则化
添加dropout
减小网络容量
#原模型
from keras import models
from keras import layers
original_model = models.Sequential(
...
Reuters新闻分类
发表于
|
分类于
实战
Reuters_newswires输入数据要求
分类问题
输入数据是向量，标签是one-hot类型的共有46类
数据导入
from keras.datasets import reuters
(train_data, train_labels), (test_data, test_labels)
...