如何为 Python 中的一维矢量数据构建二进制 classifier/predictor

Question

[免责声明]这是我第一次接触机器学习。

我有一个一维 numpy 实数向量列表，这些向量表示已知与两个互斥 classes 相关联的实验条件。可以为每个向量指定 1 或 0 作为 class 标签。

使用 Python 中的这些 class 构建 classifier/predictor 以使两个 class 之间的差异最大化的最佳方法是什么？

Answer 1

假设您有 1000 个具有 10 个值的向量。您的 x 数据形状为 (1000,10)，y 数据形状为 (1000,1)（根据 class，它为 0 或 1）。你想根据 x 预测 y。

最简单的模型可能如下所示（使用 Keras）：

from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import Adam

mdl = Sequential()     // create model

mdl.add(Dense(8, input_shape=(10,), activation='sigmoid'))
mdl.add(Dense(1, activation='sigmoid')

mdl.compile(optimizer = 'adam', loss='binary_crossentropy')

mdl.fit(x, y, epochs = 30)

请注意，只有当有 2 个 classes 时，我才能在最后一层 classification 问题中使用 sigmoid。如果 classes 你应该使用 softmax。

我建议您查看此页面：https://keras.io/

此外，我认为 keras 比 tensorflow 更好。

如何为 Python 中的一维矢量数据构建二进制 classifier/predictor

How to build a binary classifier/predictor for 1-d vector data in Python

classification

machine-learning

svm

prediction