标签：Python histories 3.6 epoch mae 深度 mean 500 axis

回归问题，预测一个连续值而不是离散的标签

• 资料也别少，只有506个，分别为404个训练样本和102个测试样本。因为样本数少，书上讲了K折验证及相关代码，将训练样本分为若干部分，依次选取一块作为验证数据。
• 由于数据中不同指标有着差异性的数值选取，需要做标准化。首先让所有数据减去平均值，则整个数列的和为0。然后除以标准差（标准差是依次减去平均值平方，除以项数，再整体开方），这样能保证数列平方和为1，从而构造和为0，平方和也为1的数列。
• mean=train_data.mean(axis=0)axis=0表示沿y轴，axis=1表示沿x轴，axis没写表示全部数平均。
• 进行运算时候，verbose=0为不输出运算进程，verbose=1或2都输出，2更详细，感觉1就够了。
• mae_history=history.history['val_mean_absolute_error'] 始终会报错，搜索别人的答案，改为val_mae确实不再报错。
• 程序在运行时每一个epoch会记录一下数据
• 本节程序书写很精彩，很值得学习，如k折的代码写法，以及只数移动平均值的写法。[np.mean([x[i] for x in all_mae_histories]) for i in range(num_epochs)]，ipython里经常有这样的写法产生列表，应该这样读。1.for i in range(num_epochs)主循环，首先产生0-499的数，第一次是0。2[x[i] for x in all_mae_histories]，然后是这个主循环下的语句块，all_mae_histories产生的是4*500的张量，每一行代表一次K折验证，500带表500个epoch。x依次迭代4行，x[i]每次循环提取对应的元素，如x[0]可以将第一个epoch中经过K折验证的四次，第一个epoch提取出来，然后mean计算之后存储下来。
• a=[]，则bool(a)是flase。a=[1,2]，则bool(a)是true。

标签：Python,histories,3.6,epoch,mae,深度,mean,500,axis
来源： https://blog.csdn.net/qq_39910653/article/details/122265439

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。