keras构建前馈神经网络(feedforward neural network)进行分类模型构建并加入L2正则化
Posted Data+Science+Insight
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了keras构建前馈神经网络(feedforward neural network)进行分类模型构建并加入L2正则化相关的知识,希望对你有一定的参考价值。
keras构建前馈神经网络(feedforward neural network)进行分类模型构建并加入L2正则化
正则化(Regularization)是机器学习中一种常用的技术,其主要目的是控制模型复杂度,减小过拟合。最基本的正则化方法是在原目标(代价)函数 中添加惩罚项,对复杂度高的模型进行“惩罚”。
#加载需要的包和函数
# Load libraries
import numpy as np
from keras.datasets import imdb
from keras.preprocessing.text import Tokenizer
from keras import models
from keras import layers
from keras import regularizers
# Set random seed
np.random.seed(0)
#加载示例数据集:
# Set the number of features we want
number_of_features = 1000
# Load data and target vector from movie review data
(train_data, train_target), (test_data, tes
以上是关于keras构建前馈神经网络(feedforward neural network)进行分类模型构建并加入L2正则化的主要内容,如果未能解决你的问题,请参考以下文章
keras构建前馈神经网络(feedforward neural network)进行分类模型构建并加入L2正则化
keras构建前馈神经网络(feedforward neural network)进行分类模型构建基于早停法(Early stopping)