Python机器学习手册：从数据预处理到深度学习

20.7

　可视化训练历史

｜

315

Using TensorFlow backend.

讨论

通过

Keras

做预测是一件很容易的事。一旦训练完神经网络，接着就可以使用

predict

方法了，它把一组特征当作输入参数，返回对每个观察值的预测值。在解决方案中，我

们的神经网络被设定为做二元分类的预测，所以输出是预测观察值为分类

1

的概率。如

果对观察值预测的值非常接近

1

，则说明它很可能属于分类

1

；反之，如果预测的值非

常接近

0

，那么观察值很可能属于分类

0

。下面的代码查看的是测试集中第一个观察值

属于分类

1

的预测概率 ：

#

查看第一个观察值属于分类

1

的预测概率

predicted_target[0]

array([ 0.83937484], dtype=float32)

20.7

　可视化训练历史

问题描述

找到神经网络的损失（

loss

）或准确率分数的“甜蜜点（

sweet spot

）”。

解决方案

使用

Matplotlib

可视化测试集和训练集在每个

epoch

上的损失（见代码后的图）：

#

加载库

import numpy as np

from keras.datasets import imdb

from keras.preprocessing.text import Tokenizer

from keras import models

from keras import layers

import matplotlib.pyplot as plt

#

设置随机种子

np.random.seed(0)