# IrisRecognition
## 简介
> 该脚本为[鸢尾花分类](https://www.kaggle.com/uciml/iris)的“深度”神经网络分类器`demo`
## 测试环境
> 操作系统:win10
>
> python:3.6.8
>
> tensorflow:1.12.0 GPU version
## 操作步骤
> 1.加载数据
>
> 使用pandas读取训练集及测试集所在CSV文件中的数据
>
> 2.创建特征列并定义分类器网络结构
>
>此处隐含层结构为[10,20,10]
>
> 3.训练模型
>
>此处batch_size为120(一次性训练) steps为1000
>
> 4.测试模型
## 测试结果(随机抽取一次运行结果)
> 'accuracy': 0.96666664,
>
> 'average_loss': 0.08288006,
>
> 'loss': 2.4864018,
>
> 'global_step': 3000
## 数据来源
> http://download.tensorflow.org/data/iris_training.csv
>
> http://download.tensorflow.org/data/iris_test.csv
## 参考文献
> 1.[Tensorflow-iris-案例教程-零基础-机器学习](https://www.jianshu.com/p/b86c020747f9)
>
> 2.[Estimator 的数据集](https://www.tensorflow.org/guide/datasets_for_estimators)
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
在机器学习领域中,“鸢尾花”是指一个经典的多类分类问题的数据集,称为“Iris dataset”或“安德森鸢尾花卉数据集”。该数据集最早由英国统计学家兼生物学家罗纳德·费雪(Ronald Fisher)于1936年收集并整理发表,包含了150个样本观测值,对应三种不同类型的鸢尾花(Setosa、Versicolor、Virginica),每种类型各50个样本。 每个样本有四个特征: 萼片长度(Sepal Length) 萼片宽度(Sepal Width) 花瓣长度(Petal Length) 花瓣宽度(Petal Width) 这些特征都是连续数值型变量,而目标变量则是鸢尾花所属的类别。鸢尾花数据集常被用作新手入门机器学习算法时的第一个实践项目,因为它数据量适中且易于理解,同时适用于多种监督学习算法,如逻辑回归、K近邻(KNN)、支持向量机(SVM)、决策树以及各种集成方法等。
资源推荐
资源详情
资源评论
收起资源包目录
An iris plants recognition demo using tensorflow(一个鸢尾花分类的TF demo).zip (17个子文件)
content
1.py 4KB
iris_training.csv 2KB
LICENSE 1KB
iris_test.csv 573B
output
checkpoint 130B
graph.pbtxt 375KB
model.ckpt-1000.data-00000-of-00002 8B
model.ckpt-0.data-00000-of-00002 8B
model.ckpt-1000.meta 166KB
model.ckpt-1000.data-00001-of-00002 4KB
model.ckpt-0.meta 166KB
model.ckpt-1000.index 715B
model.ckpt-0.data-00001-of-00002 4KB
events.out.tfevents.1550826842.DESKTOP-78IK7RC 597KB
eval
events.out.tfevents.1550826848.DESKTOP-78IK7RC 221KB
model.ckpt-0.index 715B
README.md 1013B
共 17 条
- 1
资源评论
生瓜蛋子
- 粉丝: 3828
- 资源: 5678
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功