張量流的非線性分類

我是新來的機器學習和Tensorflow，並希望做一個簡單的二維分類與數據，不能線性分離。張量流的非線性分類

在左側，您可以看到模型的訓練數據。右側顯示訓練模型預測的內容。

截至目前，我過度配合我的模型，所以每一個可能的輸入都被輸入到模型中。我的預期結果將是非常高的準確性，因爲模型已經「知道」每個答案。不幸的是，我所使用的深度神經網絡只能通過線性分頻器進行分離，這不符合我的數據。

這是我訓練我的型號：

def testDNN(data): 
    """ 
    * data is a list of tuples (x, y, b), 
    * where (x, y) is the input vector and b is the expected output 
    """ 
    # Build neural network 
    net = tflearn.input_data(shape=[None, 2]) 

    net = tflearn.fully_connected(net, 100) 
    net = tflearn.fully_connected(net, 100) 
    net = tflearn.fully_connected(net, 100) 


    net = tflearn.fully_connected(net, 2, activation='softmax') 
    net = tflearn.regression(net) 

    # Define model 
    model = tflearn.DNN(net) 

    # check if we already have a trained model 
    # Start training (apply gradient descent algorithm) 
    model.fit(
    [(x,y) for (x,y,b) in data], 
    [([1, 0] if b else [0, 1]) for (x,y,b) in data], 
    n_epoch=2, show_metric=True) 

    return lambda x,y: model.predict([[x, y]])[0][0]

大部分是從tflearn的例子取，所以我完全不明白，每一行做什麼。

來源

2017-06-06 RincewindWizzard

試試增加n_epoch？ – frankyjuang

增加n_epoch並不會改變精度，大約是50％。像硬幣翻轉會。 – RincewindWizzard

不確定這是否是一個特定的模型選擇，您不希望在您的初始三個線性圖層之後出現非線性，或者默認情況下tf-learn放置（我對tf-learn知之甚少），但應具有非線性幫幫我。 – Akash

您需要網絡中的非線性激活功能。激活函數是神經網絡擬合非線性函數的方式。 Tflearn默認使用線性激活，您可以將其更改爲「sigmoid」並查看結果是否改善。

來源

2017-06-07 10:05:27 squadrick

張量流的非線性分類

回答

相關問題