0
点赞
收藏
分享

微信扫一扫

深度学习|泰坦尼克号生还数据预测(MLP)

曾宝月 2022-09-01 阅读 221





深度学习|泰坦尼克号生还数据预测(MLP)_数据


前言

上次分享,我们利用pandas和sklearn完成了泰坦尼克号数据的预处理,包括下面的步骤,具体可看深度学习|泰坦尼克号生还数据处理

  • 选取建模字段
  • 缺失值处理
  • 性别处理
  • 登陆船舱的处理
  • 划分数据集
  • 数据的标准化

那这篇文章我们就构造神经网络来完成数据的建模和预测。

MLP建模

模型结构

模型结构为:

  • 输入层,也就是9个神经元(对应9个字段)
  • 隐藏层1,40个神经元
  • 隐藏层2,30个神经元
  • 输出层,1个神经元
建立模型

from keras.models import Sequential
from keras.layers import Dense,Dropout

model = Sequential()

model.add(Dense(units=40, input_dim=9,
kernel_initializer='uniform',
activation='relu'))

model.add(Dense(units=30,
kernel_initializer='uniform',
activation='relu'))

model.add(Dense(units=1,
kernel_initializer='uniform',
activation='sigmoid'))

训练模型

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

train_history =model.fit(x=X_train,
y=y_train,
validation_split=0.1,
epochs=30,
batch_size=30,verbose=2)



深度学习|泰坦尼克号生还数据预测(MLP)_字段_02


测试

scores = model.evaluate(x=X_test, 
y=y_test)
scores[1]
# result 0.804

这样,我们的泰坦尼克号数据预测工作就完成了。

举报

相关推荐

0 条评论