谷歌教你学 AI-第六讲深度神经网络
Google Cloud发布了名为"AI Adventures"的系列视频,用简单易懂的语言让初学者了解机器学习的方方面面。今天让我们来看到第六讲深度神经网络。
观看更多国外公开课,点击"阅读原文"
回顾之前内容:
谷歌教你学 AI -第一讲机器学习是什么?
谷歌教你学 AI -第二讲机器学习的7个步骤
谷歌教你学 AI -第三讲简单易懂的估算器
谷歌教你学 AI -第四讲部署预测模型
谷歌教你学 AI -第五讲模型可视化
本期视频如下:
AI Adventures--第六讲深度神经网络
针对不方便打开视频的小伙伴,CDA字幕组也贴心的整理了文字版本,如下:
在本期的AI Adventures中,我们将学习如何将线性模型转换为深度神经网络,从而训练越来越复杂的数据集。
随着线性模型中特征列的数量增加,在训练实现高正确率变得越来越难,因为不同列之间的交互越来越复杂。 这是一个已众所周知的问题,对于数据科学家来说,特别有效的解决方案是使用深度神经网络。
为什么要用深度神经网络
深度神经网络能够适应更复杂的数据集,更好地推广到新数据中。由于有许多层,因此被称为”深”。 这些层能让它们比线性模型,更能适应复杂的数据集。
然而值得权衡的是,若用到深度神经网络,模型则需要更长的训练时间,规模也更大,解释性更低。 那么为什么要用呢?
因为这会带来更高的正确性。
深度学习一个棘手的方面是:要让所有参数“恰到好处”。
根据数据集,这些配置看几乎是无限制的。 但是,TensorFlow内置的Deep Classifier和Regressor提供了一些合理的默认值,你可以立即开始使用,从而快速轻松地进行操作。
从线性到深度
我们来看一个例子,如何将鸢尾花的例子从线性模型更新到深度神经网络(通常缩写为DNN)。
我不打算展示DNN处理的2000列模型…因此我只打算使用我们之前用到的4列模型。当中的机制都是一样的。
主要的变化来自于用DNN分类器替换线性分类器。 这将为我们创建一个深度神经网络。
其他变化
其他的内容几乎都保持不变!深度神经网络还需要一个额外的参数,这是之前我们没有涉及的。
由于深层神经网络有多个层,每层有不同数量的节点,我们将添加一个`hidden_units`参数。
`hidden_units`能够让你为每个图层提供有具有节点数量的数组。这能让你在创建神经网络时,只需考虑它的大小和形状,而不是从头考虑方方面面。添加或删除层就像在数组中添加或删除元素一样简单!
更多的选择
当然,对于任何预先构建的系统,这确实很方便,但是往往缺乏可定制性。 DNN分类器通过让你选择许多其他参数来解决这个问题。有些合理的默认值会被使用 。 例如,优化器,激活函数和退出率都等都可以自定义。
将模型从线性转换为深度,还需要做些什么?
没了!
这就是使用估算器框架的美妙之处。这是整理数据、训练、评估和模型导出的一种常见方式,同时还可以灵活地尝试不同的模型和参数。
深度神经网络,让问题更简单
有时,深度神经网络效果要优于线性模型。在这种情况下,通过使用估算器框架替换一个函数,TensorFlow可以轻松地从线性模型切换到深度模型,而只需要更改少数的代码。
这意味着你能够用更多的时间来处理数据、模型和参数,而不是反复进行训练循环。对于简单的深度神经网络问题,快使用TensorFlow估算器吧!
下期预告
当训练数据太大,我们的机器无法承载;或者训练模型需要好几个小时,那么是时候考虑其他的选择了。下一期我们将降到在云端训练大数据模型。
数据分析咨询请扫描二维码
数据挖掘分析是从大量数据中发现隐藏模式和有用信息的过程。尤其是在图数据挖掘中,提供了分析复杂关系和结构的独特视角。图数据 ...
2024-11-08在当今快速发展的商业环境中,提高运营效率已成为企业取得成功的关键因素。企业需要通过优化工作流程、利用技术创新和提升员工技 ...
2024-11-08Python 是一门非常适合初学者学习的编程语言。其简洁明了的语法、丰富的功能库,以及广泛的应用领域,使其成为学习编程的理想选 ...
2024-11-08在当今快速变化的商业环境中,金融数字化已经成为中小企业(SMEs)发展的关键驱动力。通过采用数字工具和技术,中小企业能够提高 ...
2024-11-08中小企业在全球经济中扮演着重要角色,然而,面对数字化浪潮,这些企业如何有效转型成为一大挑战。数字化转型不仅是技术的升级, ...
2024-11-08选择合适的数据分析方法是数据分析流程中的关键环节。它影响最终结论的准确性和可信度。在这个过程中,需要综合考虑数据的性质、 ...
2024-11-08在当今数据驱动的商业环境中,数据分析师扮演着至关重要的角色。他们帮助企业从大量数据中提取有用的洞察,从而推动决策制定和战 ...
2024-11-07在现代商业环境中,商务数据分析师扮演着至关重要的角色。作为联系业务需求与数据洞察之间的桥梁,数据分析师需要具备一系列技能 ...
2024-11-07在现代商业环境中,商务数据分析师扮演着至关重要的角色。作为联系业务需求与数据洞察之间的桥梁,数据分析师需要具备一系列技能 ...
2024-11-07在现代商业环境中,数据挖掘发挥着至关重要的作用。它不仅帮助企业从庞大的数据集中提取有价值的信息,还为企业的决策和业务运营 ...
2024-11-07数据分析可视化是一种通过图形化方式展现数据的技术,它使复杂的数据变得直观易懂,从而帮助我们更好地做出决策。在这个快速发展 ...
2024-11-07数据分析是一项至关重要的技能,尤其在当今数据驱动的世界中。Python以其强大的库和简单的语法成为了数据分析领域的佼佼者。本文 ...
2024-11-07在现代数据驱动的环境中,数据分析师扮演着至关重要的角色。他们需要掌握多种工具,以满足数据分析、处理和可视化的需求。无论是 ...
2024-11-07作为一名业务分析师,你将发现自己处于企业决策和数据驱动战略之间的桥梁位置。这个角色要求掌握一系列技能,以便有效地将数据转 ...
2024-11-07CDA中科院城市环境研究所(厦门)内训圆满成功 2017年9月12日-15日,CDA数据分析师在中科院城市环境研究所(厦门)进行了 ...
2024-11-07数据分析是现代商业和研究领域不可或缺的重要工具。无论是为了提高业务决策的准确性,还是为了发掘隐藏在数据中的潜在价值,了解 ...
2024-11-06数据分析是一个精细且有序的过程,旨在从海量数据中提取有用的信息,为决策提供有力支持。无论你是新手还是有经验的分析师,理解 ...
2024-11-06在当今竞争激烈的商业环境中,业务分析师(Business Analyst, BA)的角色变得愈加重要。随着企业对数据驱动决策的依赖加深,业务 ...
2024-11-06在现代信息技术的广阔世界中,大数据架构师扮演着至关重要的角色。他们不仅引领着企业的数据战略,还通过技术创新推动业务的不断 ...
2024-11-04在当今数字化时代,数据分析师已成为企业关键角色,帮助决策者通过数据驱动的洞察实现业务目标。成为一名成功的数据分析师,需要 ...
2024-11-03