Keras之对鸢尾花识别

Keras之队鸢尾花识别

任务目标

• 对鸢尾花数据集分析
• 建立鸢尾花的模型
• 利用模型预测鸢尾花的类别

---

环境搭建

pycharm编辑器搭建python3.*

第三方库

• numpy
• pandas
• sklearn
• keras

---

处理鸢尾花数据集

了解数据集

鸢尾花数据集是一个经典的机器学习数据集，非常适合用来入门。

鸢尾花数据集链接：下载鸢尾花数据集

鸢尾花数据集包含四个特征和一个标签。这四个特征确定了单株鸢尾花的下列植物学特征：

• 花萼长度
• 花萼宽度
• 花瓣长度
• 花瓣宽度

该表确定了鸢尾花品种，品种必须是下列任意一种：

• 山鸢尾 Iris-Setosa(0)
• 杂色鸢尾 Iris-versicolor(1)
• 维吉尼亚鸢尾 Iris-virginica(2)

数据集中三类鸢尾花各含有50个样本，共150各样本

下面显示了数据集中的样本:



机器学习中，为了保证测试结果的准确性，一般会从数据集中抽取一部分数据专门留作测试，其余数据用于训练。所以我将数据集按7：3（训练集：测试集）的比例进行划分。

数据集处理具体代码

# 读取数据集
iris = pd.read_csv("iris.data", header=None)

# 数据集转化成数组
iris = np.array(iris)
# 提取特征集
X = iris[:, 0:4]
# 提取标签集
Y = iris[:, 4]

# One-Hot编码
encoder = LabelEncoder()
Y = encoder.fit_transform(Y)
Y = np_utils.to_categorical(Y)

x_train, x_test, y_train, y_test = train_test_split(X, Y, test_size=0.3)
return x_train,x_test,y_train,y_test

什么是one-hot编码？

  One-Hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。

  One-Hot编码是分类变量作为二进制向量的表示。这首先要求将分类值映射到整数值。然后，每个整数值被表示为二进制向量，除了整数的索引之外，它都是零值，它被标记为1。

  One-Hot编码是将类别变量转换为机器学习算法易于利用的一种形式的过程。

  比如：["山鸢尾","杂色鸢尾","维吉尼亚鸢尾"]---->[[1,0,0][0,1,0][0,0,1]]

---

建立模型和预测

设置超参数

# 超参数
epochs = 500  # 循环次数
validation_split = 0.05  # 学习率
test_size = 0.25  # 拆分数据集大小
dense1_neurons = 512 # 第一层神经元的数量
dense2_neurons = 256 # 第二层神经元的数量
dense3_neurons = 128 # 第三层神经元的数量

搭建模型

model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(units=dense1_neurons,input_dim = 4,activation = 'relu'))
model.add(tf.keras.layers.Dense(units=dense2_neurons,activation='relu'))
model.add(tf.keras.layers.Dense(units=dense3_neurons,activation='relu'))
model.add(tf.keras.layers.Dense(units=3,activation="softmax"))
model.summary()   # 查看模型结构

编译模型

model.compile(loss='categorical_crossentropy',optimizer='adam',metrics=['accuracy'])

训练模型

history = model.fit(x_train,y_train,validation_split=validation_split,epochs=epochs)

使用测试集进行评估

model.evaluate(x_test,y_test)

预测

target = model.predict(np.array([[7, 5.5, 6.5, 3.9]])).argmax()
print(target)
if target == 0:
    print("Iris-setosa")
elif target == 1:
    print("Iris-versicolor")
else:
    print("Iris-virginica")