应用深度神经网络预测学生期末成绩

标签：model   拆分   函数   性能   次数   输出   步骤   dom   成绩   

0、引言

• 写作目的：只是为了学习一下DNN的用法
• 基本思路：
  • 首先，将学生成绩（平时成绩x、期末成绩y：csv格式）装载；
  • 接着，将成绩数据标准化。（PS：虽然这里的成绩已经[0~100]之间了，本文是为了学习DNN，故不省略这一步）
  • 接着，将平时成绩x，期末成绩y进一步拆分（按比例，如20%）为训练数据和测试数据。PS：测试数据用来检验训练出的模型性能
  • 接着，创建DNN模型。依次设置一系列的参数。
  • 接着，训练模型（fit函数）。model1.fit(x_train, y_train)
  • 接着，评估模型性能。用测试集数据评估，还可以用训练集数据。 如果性能不好，则调参（第四步）
  • 最后，可以应用所得模型，进行期末预测的预测。
• 实验环境
  • Mac OSX
  • python 2
  • 应用到的包（好多，缺什么你安装什么好了，有（很多）时候还会出错，自己百度、谷歌等可以解决，我花费了1天时间才搞好）

1、装载数据

2、数据标准化

3、数据拆分为训练样本和测试样本

4、设置DNN模型

• 参数设置步骤
  • 先设置DNN每层计算方式，先设置每个隐层、最后设置输出层
    • 隐层。设置参数：激活函数（Sigmoid、ReLU: Rectifier）、计算单元数量units
    • 输出层。Layer("Linear")
  • 学习速率： learning_rate=0.02
  • random_rate = 2019 : 用来再现相同的数据
  • 模型允许最大迭代次数：n_iter = 10

5、训练模型

6、评估模型

7、应用模型

附录：本次实验完整的代码

应用深度神经网络预测学生期末成绩

标签：model   拆分   函数   性能   次数   输出   步骤   dom   成绩   

原文地址：https://www.cnblogs.com/juking/p/11223699.html