tensorflow实现iris鸢尾花数据集
时间: 2023-09-29 22:02:53 浏览: 54
以下是使用TensorFlow实现iris鸢尾花数据集的示例代码:
```
import tensorflow as tf
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import OneHotEncoder
# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target.reshape(-1, 1)
# 将标签进行one-hot编码
encoder = OneHotEncoder(sparse=False)
y = encoder.fit_transform(y)
# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
# 创建模型
model = tf.keras.models.Sequential([
tf.keras.layers.Dense(10, input_shape=(4,), activation='relu'),
tf.keras.layers.Dense(3, activation='softmax')
])
# 编译模型
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
# 训练模型
model.fit(X_train, y_train, epochs=50)
# 评估模型
test_loss, test_acc = model.evaluate(X_test, y_test)
print("Test accuracy:", test_acc)
```
该代码会将iris数据集加载到X和y数组中。标签y将被one-hot编码,以便在训练模型时使用。然后,数据集将被分成训练集和测试集。接下来,我们创建一个具有两个密集层的神经网络模型,其中输入层具有10个神经元,输出层具有3个神经元,使用softmax激活函数来输出预测的概率分布。我们使用adam优化器和交叉熵损失函数来编译模型。最后,我们对模型进行50次迭代的训练,然后评估模型的性能。