python小练习(090):基于keras快速搭建神经网络(实战篇)之图形化演示机器学习过程
上一节讲到如何利用keras搭建的神经网络实现英语文章的自动识别和分类。但是机器学习似乎是一个被笼罩在黑盒子里的黑魔法,只见到最后的分类结果,很难理解机器学习中机器真正做了些什么,怎么就自动学会分类了呢?
这一节我们就用图形化的方法来告诉你,机器学习的识别率是怎么一步一步提高的,我们可以通过图形直观得感受到。
我用的例子还是上一节用的英语文章自动分类的例子。
先来看第一次学习后,机器识别的结果。
其中红色点为训练数据的财经文章,蓝色点为训练数据的体育文章,绿色点为测试的财经文章。
从数据可以看到,初次学习后的识别确信度大约在70%左右,而且哪怕是训练的文章,分类也并不是很集中,尤其是有一篇体育文章。
而随着训练的不断进行,可以看到分类的数据开始相对集中起来,而同时预测的文章的确信度也在不断提升(向红色点的方向聚集)
这个就是机器学习不断学习特征码的一个过程。
源代码:
**** Hidden Message ***** 这么厉害 谢谢分享~~!!!! 拿走 看看 学习学习 很感谢,很不错的东西 试下能用不 {:5_91:} 特意过来学习python, 同时学习神经网络, 最近要用到 学习学习好 学习学习 谢谢楼主 学习 这个上一篇在哪呀
yeahhh
{:10_334:} 感谢分享。。。。。。。 学习一下 学习学习
页:
[1]
2