【Week-R1】RNN实现心脏病预测，基于tensorflow框架

本文链接：https://blog.csdn.net/qq_40724911/article/details/139220077

文章目录

一、什么是RNN？
二、准备环境和数据
- 2.1 导入数据
三、构建模型
四、训练和预测
五、其他

🍨 本文为🔗365天深度学习训练营中的学习记录博客

🍖 原作者：K同学啊 | 接辅导、项目定制

一、什么是RNN？

RNN：Recurrent Neural Network，用于处理序列数据。和传统神经网络不同的点在于，当前一层的输出会被当做输入，带到下一个隐藏层中，进行训练，于是除了第一层，RNN中每一个隐藏层的输入都包含两个部分【上一层的输出和当前层的输入】，如教案中给出的简易示意图，每个单词用一种颜色表示，01~05为不同的隐藏层，到达最后一层得到的输出为 05，也是神经网络需要判断的层。
在这里插入图片描述

二、准备环境和数据

环境：tensorflow框架，py312，cpu
编译：VSCode

使用CPU进行编译，就无需再设置GPU

2.1 导入数据

根据给出的数据集文件，分析如下：
在这里插入图片描述

import tensorflow as tf

gpus = tf.config.list_physical_devices("GPU")

if gpus:
    gpu0 = gpus[0]
    tf.config.experimental.set_memory_growth(gpu0,true)
    tf.config.set_visible_devices([gpu0],"GPU")
    print("GPU: ",gpus)
else:
    print("CPU:")


# 2.1 导入数据
import numpy as np
import pandas as pd

df = pd.read_csv("D:\\jupyter notebook\\DL-100-days\\RNN\\heart.csv")
print("df: ", df)

# 2.2 检查是否有空值
df.isnull().sum()

#3.1 划分训练集与测试集
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection <