首页tensorflow鸢尾花

tensorflow鸢尾花

时间: 2025-02-17 16:11:40 浏览: 24

### TensorFlow 鸢尾花数据集示例 #### 加载鸢尾花数据集为了使用 TensorFlow 进行鸢尾花数据集的操作，可以利用 `tf.keras.datasets` 来加载内置的数据集： ```python import tensorflow as tf from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler # 加载鸢尾花数据集 iris, target = tf.keras.datasets.iris.load_data() # 假设此方法存在用于说明[^1] # 数据预处理 X_train, X_temp, y_train, y_temp = train_test_split(iris, target, test_size=0.3, random_state=42) X_val, X_test, y_val, y_test = train_test_split(X_temp, y_temp, test_size=0.5, random_state=42) scaler = StandardScaler() X_train = scaler.fit_transform(X_train) X_val = scaler.transform(X_val) X_test = scaler.transform(X_test) ``` 请注意，在实际环境中，可能需要通过其他库如 `sklearn.datasets` 或者手动下载 CSV 文件来获取该数据集。 #### 构建神经网络模型构建一个多层感知机（MLP），并编译它以便后续训练： ```python model = tf.keras.models.Sequential([ tf.keras.layers.Dense(10, activation='relu', input_shape=(4,)), tf.keras.layers.Dense(10, activation='relu'), tf.keras.layers.Dense(3, activation='softmax') ]) model.compile(optimizer='adam', loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy']) ``` #### 训练模型设置好批次大小和轮次数量之后就可以开始训练过程了： ```python batch_size = 32 epochs = 100 history = model.fit(X_train, y_train, validation_data=(X_val, y_val), batch_size=batch_size, epochs=epochs) ``` #### 测试模型性能最后一步是对测试集上的表现进行评估： ```python test_loss, test_acc = model.evaluate(X_test, y_test, verbose=2) print(f'\nTest accuracy: {test_acc}') ```

阅读全文