过程：

python 二分类柱状图 python二分类模型_损失函数

在 Keras 中，构 建深度学习模型就是将相互兼容的多个层拼接在一起。以建立有用的数据变换流程。这里层兼 容性（layer compatibility）具体指的是每一层只接受特定形状的输入张量，并返回特定形状的输 出张量。看看下面这个例子。

对于二分类问题，你可以使用二元交叉熵（binary crossentropy）损 失函数；对于多分类问题，可以用分类交叉熵（categorical crossentropy）损失函数；对于回归 问题，可以用均方误差（mean-squared error）损失函数；对于序列学习问题，可以用联结主义 时序分类（CTC，connectionist temporal classification）损失函数

2.

python 二分类柱状图 python二分类模型_多分类_02

3.测试集数据不用于训练：

python 二分类柱状图 python二分类模型_python 二分类柱状图_03

4

python 二分类柱状图 python二分类模型_损失函数_04

python 二分类柱状图 python二分类模型_二分类_05

二分类：

python 二分类柱状图 python二分类模型_二分类_06


python 二分类柱状图 python二分类模型_多分类_07

使用 binary_crossentropy 损失函数时，在这个二分类问题中，比较的应该是两个一维向量吧！

5。输入数据的标准化：

python 二分类柱状图 python二分类模型_二分类_08

6。

python 二分类柱状图 python二分类模型_多分类_09

7。标量回归：

python 二分类柱状图 python二分类模型_多分类_10

8.数据少时，不采用数据集和测试集的划分，而是使用K折交叉验证：

python 二分类柱状图 python二分类模型_python 二分类柱状图_11


python 二分类柱状图 python二分类模型_损失函数_12

7.history：

python 二分类柱状图 python二分类模型_python 二分类柱状图_13

8.数据处理，向量化

python 二分类柱状图 python二分类模型_二分类_14


python 二分类柱状图 python二分类模型_损失函数_15

9，标签向量化（one_hot()）也行吧：

python 二分类柱状图 python二分类模型_python 二分类柱状图_16

多分类问题：

python 二分类柱状图 python二分类模型_二分类_17

交叉熵输入为整数时使用的一个函数，（自己之前试过，整数用mook那个交叉熵函数会不对）：

python 二分类柱状图 python二分类模型_损失函数_18

多分类问题的小结：

python 二分类柱状图 python二分类模型_二分类_19

回归问题的小结：

python 二分类柱状图 python二分类模型_损失函数_20

python 二分类柱状图 python二分类模型_python 二分类柱状图_21


python 二分类柱状图 python二分类模型_损失函数_22