利用keras框架实现鸢尾花的识别#

前言

本项目是朱某学习第二阶段深度学习给自己布置的一个家庭作业，在第二阶段的学习中，我学习了如何处理二元分类、多分类问题以及连续数据预测的问题。如何对送进网络的数据进行预处理。如何根据送进网络的验证数据正确处理过拟合问题。在学习过程中，我用到的数据集都是keras自带的数据集，因此我就想。能否根据自己自定义的一批数据来实现网络训练，并正确判断鸢尾花的类型，虽然艰难重重，但是最后还是成功了。

数据集介绍

本次项目采用采用的是鸢尾花数据集，Iris 鸢尾花数据集是一个经典数据集，在统计学习和机器学习领域都经常被用作示例。数据集内包含 3 类共 150 条记录，每类各 50 个数据，每条记录都有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，可以通过这4个特征预测鸢尾花卉属于（iris-setosa, iris-versicolour, iris-virginica）中的哪一品种。在去年寒假我曾用过该数据集做个KNN算法的测试，虽然该数据集数据量较少，但因为有较大的相关性，放进神经网络训练，依然可以得到不错的结果。

i鸢尾花
数据格式

为了方便计算机的读取，我们把三种花的类型分别用：0，1，2进行替代

数据
接下来我们读入数据

import csv
import random
import numpy
def loadDataset(filename, split, trainingSet=[], testSet=[]):
    with open(filename, 'rt') as csvfile:
        lines = csv.reader(csvfile)
        dataset = list(lines)
        # 转换成list,lines是所有的行
        for x in range(len(dataset) - 2):
            for y in range(5):
                dataset[x][y] = float(dataset[x][y])

            if random.random() < split:
                trainingSet.append(dataset[x])
            else:
                testSet.append(dataset[x])


trainingSet=[]
testSet=[]
loadDataset(r'iris.data.txt', 0.67, trainingSet, testSet)

#通过设定一个概率阈值对数据集分割训练集和测试集
partial_x_train = []
#训练集输入
partial_y_train = []
#训练集标签
x_val = []
y_val = []

#处理测试输入数据集，将前四个元素生成一个array，最后把array拼在一起，构建一个五维张量
for i in trainingSet:
    partial_x_train.append((i[:4]))

partial_x_train= numpy.asfarray(partial_x_train)
#
#处理测试输入标签
# 初始化一个三维array，值的大小代表概率。根据数据赋值，把0，1，2对应元素赋值0.99，其他赋值0.01，最后整合成一个四维度张量
for i in trainingSet:
    targets = numpy.zeros(3) + 0.01
    targets[int(i[4:][0])] = 0.99

    partial_y_train.append(targets)

partial_y_train=numpy.array(partial_y_train)

#exit
#
#处理测试输入数据集
for i in testSet:
    x_val.append((i[:4]))

x_val= numpy.asfarray(x_val)
#
# #处理测试输入标签

for i in testSet:
    target = numpy.zeros(3) + 0.01
    target[int(i[4:][0])] = 0.99

    y_val.append(target)

y_val=numpy.array(y_val)


#将测试集的的一部分分为校验数据
test_x=x_val[12:]
test_y=y_val[12:]

x_val1=x_val[:12]
y_val1=y_val[:12]

print(y_val1)

通过观察，我们可以看出，一份数据的前四个数据决定最后一个数据，因为输出的数据总共有三个类别，因此我们设计一个输入4个结点输出三个节点的神经网络，因为数据量较少，我们设置两层中间层，每层64个节点。前两层我们使用‘relu’作为激活函数

relu

• 当结果是输出多个分类的概率时，用softmax激活函数

  
  softmax

对于输出多个分类结果，最好的损失函数是categorical_crossentropy

categorical_crossentropy性质：即受误差的影响，所以当误差大的时候，权重更新就快，当误差小的时候，权重的更新就慢。这是一个很好的性质。
性质：
a.非负性。（所以我们的目标就是最小化代价函数）
b.当真实输出a与期望输出y接近的时候，代价函数接近于0.(比如y=0，a～0；y=1，a~1时，代价函数都接近0)。

from keras import models
from keras import layers
model = models.Sequential()
model.add(layers.Dense(64, activation='relu', input_shape=(4,)))
#inputshape 4 代表输入5维度tensor
model.add(layers.Dense(64, activation='relu'))
#当结果是输出多个分类的概率时，用softmax激活函数,它将为3个分类提供不同的可能性概率值
model.add(layers.Dense(3, activation='softmax'))

#对于输出多个分类结果，最好的损失函数是categorical_crossentropy
model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])

#
history = model.fit(partial_x_train, partial_y_train, epochs=64, validation_data = (x_val1, y_val1))
#
#
history_dict = history.history
print(history_dict.keys())

接下来我们根据训练数据的误差和校验数据的误差画出函数

误差曲线

接下来我们根据训练数据的误差和校验数据的精度画出函数

误差曲线 准确度曲线

可以看出第二种值是最大的，因此还是蛮准的，接下来我们对输入的数据进行一些简单的处理。统计化处理，把数值处理成期望为0，方差为1的分布。

常用的数据处理方法有：

• 把数值都变小，通常把数组转换到0和1之间。
• 统一化，把数值处理成在一个取值范围之内。
• 统计化处理，把数值处理成期望为0，方差为1的分布。

第三种处理方式的公式如下,其中X’为均值，std为（X-X'）的标准差

实现代码如下:(只对训练数据进行处理)

mean = partial_x_train.mean(axis=0)
partial_x_train -= mean
std = partial_x_train.std(axis = 0)
partial_x_train /= std
​
x_val -= mean
x_val /= std

数据处理结果

虽然最后评价出的准确值都差不多，但是我们可以看出训练时的准度高多了

接下来开始进入CNN阶段。