深度學習技術與應用 課件 第12章 Keras 搭建模型預測信息

深度學習技術與應用DeepLearningTechnologyandApplicationcontents目錄第十二章Keras搭建模型預測游客信息01.

DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing02.采?多層感知機模型進?預測Predictionusingmulti-layerperceptronmodelPART1DataFrame分析數據和數據預處理01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing項?構建

本章我們將利?Keras建?深度學習模型分析泰坦尼克號的每?位船員存活概率，新建?個新的ipynb?件，并且進?到?件中,初次使?該數據集需要使?以下代碼下載titanic3.xls?件到dataset?件夾當中。01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing數據預處理該數據集主要記錄了泰坦尼克號所有游客的信息，主要信息包括如下表格所示：以上字段survival代表該對象是否得以?還，是我們主要的預測結果，也就是label，其余的特征均是特征字段。?survival在數據中，0表示未?還，1表示存活；pclass字段表示艙等，1、2、3分別可表示頭等艙、?等艙和三等艙。01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing使?DataFrame分析數據和數據預處理使?Pandas提供的DataFrame功能和Numpy可讀取xls?件，并格式化數據，可以更加?便的分析和處理數據。導?所需要的包：

importnumpy importpandasaspd %matplotlibinline importmatplotlib.pyplotasplt frommatplotlib.font_managerimportFontProperties font_zh=FontProperties(fname='./fz.ttf') all_df=pd.read_excel(filepath)

#使?Pandas提供的read_excel程序讀取xls?件 all_df[:5]#查看讀取到的all_df中的前5條數據01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing使?DataFrame分析數據和數據預處理使?Pandas提供的DataFrame功能和Numpy可讀取xls?件，并格式化數據，可以更加?便的分析和處理數據。查看讀取到的all_df中的前5條數據01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing使?DataFrame分析數據和數據預處理對數據進行簡單分析，使用describe函數可以對已經建立好的數據進行變量統(tǒng)計，可以讓人方便地看出各個變量之間存在相互影響的關系。all_df.describe()01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing使?DataFrame分析數據和數據預處理對數據進行簡單分析，使用describe函數可以對已經建立好的數據進行變量統(tǒng)計，可以讓人方便地看出各個變量之間存在相互影響的關系。從數據結果來看，游客中平均?還0.38，其中游客平均年齡為29歲，也有上到80歲，下到4個?的游客。all_df.describe()01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing使?DataFrame分析數據和數據預處理查看船上乘客的年齡和票價的整體分布情況。

01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing使?DataFrame分析數據和數據預處理

從圖上可看出，船上的男性群體??性群體來得多，但是男性獲救的?例不到20%，?性獲救的?例達到70%以上，說可能明船上的男??較紳?，優(yōu)先把存活的機會留給了?性。01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing使?DataFrame分析數據和數據預處理

從上圖可以發(fā)現不同等級的艙位?還概率不?樣，其中頭等艙?還概率是最?的，這說明在當時可能越有錢越容易被救。01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing使?DataFrame分析數據和數據預處理

從S港?登錄的?數最多，但是獲救的?例卻最低，C港?獲救的?例是最?的，?概60%，Q港?為35%左右。01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing使?DataFrame分析數據和數據預處理

對數據進行預處理,把需要?到的關鍵字選取到DataFrame中，忽略掉?些與預測結果?太多關系的數據，例如ticket(船票號碼)和cabin(艙位號碼)。01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing使?DataFrame分析數據和數據預處理

為了?便機器學習，還需要對?些字段進?特殊處理。可以看到age字段存在較多的空值，因為后?建?深度學習模型傳遞的參數需要確?的數字，所以這?不允許使?空值，將年齡這個字段取整理平均值后填?空值的部分，其他字段例如fare以此類推，這樣的做法相對?較合理，?不是直接填?0，或者隨意數字，容易影響對真實結果的預測。01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing使?DataFrame分析數據和數據預處理

利?mean函數計算年齡平均值后，使?fillna對空值字段進?填?。01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing使?DataFrame分析數據和數據預處理

利?mean函數計算年齡平均值后，使?fillna對空值字段進?填?。01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing使?Numpy進?數據預處理使?DataFrame處理好數據后，后續(xù)需要交由Numpy進?處理才可搭建深度學習模型進?訓練預測。01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing使?Numpy進?數據預處理使?DataFrame處理好數據后，后續(xù)需要交由Numpy進?處理才可搭建深度學習模型進?訓練預測。01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing特征字段進?標準化使?sklearn提供的preprocessing模塊進?標準化的處理01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing建?和劃分數據集將數據集以8:2的模式劃分為訓練集和測試集01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing建?和劃分數據集將數據集以8:2的模式劃分為訓練集和測試集01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing建?和劃分數據集創(chuàng)建DataPreprocessing函數，對之前數據處理?式做?個函數式的整合，?便下次調?。01.DataFrame分析數據和數據預處理Dataframeanalysisdataanddatapreprocessing建?和劃分數據集使?DataPreprocessing函數建?訓練和測試數據集。PART2采?多層感知機模型進?預測02.采?多層感知機模型進?預測Predictionusingmulti-layerperceptronmodel模型建?利?keras建?多層感知機模型，模型?共包含?個輸?層、兩個隱藏層和?個輸?層。units各層神經元的個數input_dim是出?層神經元的個數，9表示有9個特征字段kernel_initializer是使?隨機數分布初始化權重和偏差activation表示激活函數，這邊使?的都是relu和sigmoid02.采?多層感知機模型進?預測Predictionusingmulti-layerperceptronmodel訓練首先定義訓練參數，x和y分別傳入上一節(jié)建立的train_features和train_label數據集：VALIDATION_SPLIT為設置訓練集和驗證集數據的劃分比例，輸入參數0～1的浮點數，用來指定訓練集的一定比例數據作為驗證集。驗證集將不參與訓練，并在每個epoch結束后測試模型的指標，如損失函數、精確度等。EPOCHS為訓練周期。BATCH_SIZE為單次訓練批次。VERBOSE為顯示訓練的過程，輸入參數（0、1、2），0為不在標準輸出流輸出日志信息，1為輸出進度條記錄，2為每個epoch輸出一行記錄。02.采?多層感知機模型進?預測Predictionusingmulti-layerperceptronmodel訓練02.采?多層感知機模型進?預測Predictionusingmulti-layerperceptronmodel訓練定義繪制函數，繪制出訓練結果。使用繪制函數繪制出準確率與誤差率圖像。02.采?多層感知機模型進?預測Predictionusingmulti-layerperceptronmodel模型評估利?訓練好的模型使?測試集進?模型的評估，分數越?表示訓練結果越好。02.采?多層感知機模型進?預測Predictionusingmulti-layerperceptronmode