使用tensorflow自定义线性分类器预测 良/恶性肿瘤
2018-03-02 18:26
281 查看
import tensorflow as tf import numpy as np import pandas as pd train = pd.read_csv('../Datasets/Breast-Cancer/breast-cancer-train.csv') test = pd.read_csv('../Datasets/Breast-Cancer/breast-cancer-test.csv') X_train = np.float32(train[['Clump Thickness','Cell Size']].T) y_train = np.float32(train['Type'].T) X_test = np.float32(test[['Clump Thickness','Cell Size']].T) y_test = np.float32(test['Type'].T) #定义一个tensorflow的变量b作为线性模型的截距,同时设置初始值为 1 0 b = tf.Variable(tf.zeros([1])) #定义一个tensorflow的变量w作为线性模型的参数,并设置初始值为-1.0至1.0之间均匀分布的随机数 W = tf.Variable(tf.random_uniform([1,2],-1.0,1.0)) #显示定义这个线性函数 y = tf.matmul(W,X_train)+b #使用tensorflow中的reduce_mean 取得训练集上均方误差 loss = tf.reduce_mean(tf.square(y-y_train)) #使用梯度下降法估计参数W, b,并且设置迭代步长为0.01,这个与Scikit-learn中的SGDRegressor类似D optimizer = tf.train.GradientDescentOptimizer(0.01) #以最小二乘损失为优化目标 train = optimizer.minimize(loss) #初始化所有变量 init = tf.initialize_all_variables() #开启tensorflow中的会话 sess = tf.Session() sess.run(init) #迭代1000轮次,训练参数 for step in range(0,1000): sess.run(train) if step % 200 == 0: print(step,sess.run(W),sess.run(b)) test_negative = test.loc[test['Type'] == 0][['Clump Thickness','Cell Size']] test_positive = test.loc[test['Type'] == 1][['Clump Thickness','Cell Size']] #以最终的参数作图 import matplotlib.pyplot as plot plot.scatter(test_negative['Clump Thickness'],test_negative['Cell Size'],marker='o',s=200,c='red') plot.scatter(test_positive['Clump Thickness'],test_positive['Cell Size'],marker='x',s=150,c='black') plot.xlabel('Clump Thickness') plot.ylabel('Cell Size') lx = np.arange(0,12) ly = (0.5-sess.run(b)-lx*sess.run(W)[0][0])/sess.run(W)[0][1] plot.plot(lx,ly,color='green') plot.show()效果图如下
相关文章推荐
- P142-144使用Tensorflow自定义一个线性分类器用于对“良/恶性乳腺癌肿瘤”进行预测
- 使用Tensorflow自定义一个线性分类器对‘良/恶性乳腺癌肿瘤’进行预测
- 使用线性分类模型从事良/恶性肿瘤预测任务
- Tensorflow使用交互式会话训练线性分类器
- Tensorflow学习:使用Tensorflow搭建深层网络分类器
- tensorflow将训练好的模型freeze,即将权重固化到图里面,并使用该模型进行预测
- TFboys:使用Tensorflow搭建深层网络分类器
- TensorFlow实战——使用LSTM预测彩票
- 86、使用Tensorflow实现,LSTM的时间序列预测,预测正弦函数
- Tensorflow保存模型,恢复模型,使用训练好的模型进行预测和提取中间输出(特征)【转】
- TensorFlow深度学习笔记 从线性分类器到深度神经网络
- tensorflow将训练好的模型freeze,即将权重固化到图里面,并使用该模型进行预测
- tensorflow保存网络参数 使用训练好的网络参数进行数据的预测
- 机器学习之线性分类器(Linear Classifiers)——肿瘤预测实例
- 使用tensorflow的retrain.py训练图片分类器
- Tensorflow使用的预训练的resnet_v2_50,resnet_v2_101,resnet_v2_152等模型预测,训练
- 86、使用Tensorflow实现,LSTM的时间序列预测,预测正弦函数
- 【TensorFlow】Caffe模型转tensorflow模型并使用模型进行预测
- Tensorflow案例分析(1)—— 使用逻辑回归进行泰坦尼克号预测
- 使用Tensorflow训练神经网络模型---自定义损失函数