TensorFlow(Python | Keras)人工神经网络(ANN)回归模型-找出材料获得超导特性的温度和分类模型-区分结合剂/非结合剂分子属性

回归任务旨在从输入训练数据中预测连续变量而分类任务旨在将输入数据分为两个或多个类别。 例如预测某一天是否会下雨的模型是一项分类任务因为模型的结果将分为两类——下雨或不下雨。 然而预测给定日期的降雨量的模型将是回归任务的一个示例因为模型的输出将是一个连续变量——降雨量。

顺序模型

Python代码示例:

顺序模型适用于简单的层堆栈其中每一层都有一个输入张量和一个输出张量。

例如以下顺序模型

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

# Define Sequential model with 3 layers
model = keras.Sequential(
    [
        layers.Dense(2, activation="relu", name="layer1"),
        layers.Dense(3, activation="relu", name="layer2"),
        layers.Dense(4, name="layer3"),
    ]
)
# Call model on a test input
x = tf.ones((3, 3))
y = model(x)

相当于这个函数

# Create 3 layers
layer1 = layers.Dense(2, activation="relu", name="layer1")
layer2 = layers.Dense(3, activation="relu", name="layer2")
layer3 = layers.Dense(4, name="layer3")

# Call layers on a test input
x = tf.ones((3, 3))
y = layer3(layer2(layer1(x)))

顺序模型用于构建回归和分类模型。 在顺序模型中信息通过网络从开始的输入层传播到最后的输出层。 层按顺序堆叠在模型中每一层都有一个输入和一个输出。

使用 TensorFlow 创建 ANN

模型拟合

• 使用 TensorFlow 创建线性回归模型ANN
• 使用 TensorFlow 创建多层 ANN

案例人工神经网络(ANN)找出材料获得超导特性的温度

分类模型

• 使用 TensorFlow 创建逻辑回归模型ANN

案例人工神经网络(ANN)区分结合剂/非结合剂分子属性

详情参阅 - 亚图跨际