鸢尾花数据集分类问题(4)

简介: 鸢尾花数据集分类问题

鸢尾花数据集分类问题(3)https://developer.aliyun.com/article/1540970

7.预测

# total_correct为预测对的样本个数, total_number为测试的总样本数,将这两个变量都初始化为0
for epoch in range(epoch): 
    total_correct, total_number = 0, 0
    for x_test, y_test in test_db:
        # 使用更新后的参数进行预测
        y = tf.matmul(tf.cast(x_test,dtype=tf.float32), tf.cast(w1,dtype=tf.float32)) + tf.cast(b1,dtype=tf.float32)  # 神经网络乘加运算
        y = tf.nn.softmax(y)
        pred = tf.argmax(y, axis=1)  # 返回y中最大值的索引,即预测的分类
        # 将pred转换为y_test的数据类型
        pred = tf.cast(pred, dtype=y_test.dtype)
        # 若分类正确,则correct=1,否则为0,将bool型的结果转换为int型
        correct = tf.cast(tf.equal(pred, y_test), dtype=tf.int32)
        # 将每个batch的correct数加起来
        correct = tf.reduce_sum(correct)
        # 将所有batch中的correct数加起来
        total_correct += int(correct)
        # total_number为测试的总样本数,也就是x_test的行数,shape[0]返回变量的行数
        total_number += x_test.shape[0]
    # 总的准确率等于total_correct/total_number
    acc = total_correct / total_number
    test_acc.append(acc)
    print("Test_acc:", acc)
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667
Test_acc: 0.9666666666666667

8.绘制loss曲线

plt.title('Loss Function Curve')#图片标题
plt.xlabel('Epoch') #x轴变量名称
plt.ylabel('Loss')  #y轴变量名称
plt.plot(train_loss_results,label="$Loss$")
plt.legend()    #画出曲线图标
plt.show()      #画出图像

9.绘制Accuracy 曲线

plt.title('Acc Curve')  # 图片标题
plt.xlabel('Epoch')  # x轴变量名称
plt.ylabel('Acc')  # y轴变量名称
plt.plot(test_acc, label="$Accuracy$")  # 逐点画出test_acc值并连线,连线图标是Accuracy
plt.legend()
plt.show()

最后这个图有点问题。。。不知道问题出在哪里。

目录
相关文章
|
5月前
|
机器学习/深度学习 自然语言处理 算法
什么是数据集的分类?
【7月更文挑战第10天】什么是数据集的分类?
623 1
|
6月前
鸢尾花数据集分类问题(3)
鸢尾花数据集分类问题
36 2
|
6月前
|
机器学习/深度学习
鸢尾花数据集分类问题(2)
鸢尾花数据集分类问题
43 1
|
6月前
鸢尾花数据集分类问题(1)
鸢尾花数据集分类问题
43 1
|
7月前
|
机器学习/深度学习 数据可视化 数据库
R语言对MNIST数据集分析:探索手写数字分类
R语言对MNIST数据集分析:探索手写数字分类
|
机器学习/深度学习 Python
【统计学习方法】K近邻对鸢尾花(iris)数据集进行多分类
【统计学习方法】K近邻对鸢尾花(iris)数据集进行多分类
245 0
|
机器学习/深度学习 Python
【统计学习方法】线性可分支持向量机对鸢尾花(iris)数据集进行二分类
【统计学习方法】线性可分支持向量机对鸢尾花(iris)数据集进行二分类
467 0
【统计学习方法】线性可分支持向量机对鸢尾花(iris)数据集进行二分类
|
机器学习/深度学习 自然语言处理
(imdb数据集)电影评论分类实战:二分类问题
(imdb数据集)电影评论分类实战:二分类问题
|
数据采集 机器学习/深度学习 Python
【统计学习方法】朴素贝叶斯对鸢尾花(iris)数据集进行训练预测
【统计学习方法】朴素贝叶斯对鸢尾花(iris)数据集进行训练预测
413 0
【统计学习方法】朴素贝叶斯对鸢尾花(iris)数据集进行训练预测
|
机器学习/深度学习 Python
【统计学习方法】感知机对鸢尾花(iris)数据集进行二分类
【统计学习方法】感知机对鸢尾花(iris)数据集进行二分类
750 0
【统计学习方法】感知机对鸢尾花(iris)数据集进行二分类