深度学习基础|第R1周 RNN-心脏病预测

第RI周RNN-心脏病预测 本文为365天深度学习训练营 中的学习记录博客 原作者K同学啊编译器jupyterlab一、前期准备1. 数据导入2. 检查数据二、数据预处理1. 划分训练集和测试集2. 标准化三、构建RNN模型四、编译模型五、训练模型六、模型评估七、总结连轴转了半个多月这周有点犯懒过节去了。祝大家中秋快乐~发现模型到后期val_accuracy反而下降可能是出现了过拟合RNNRecurrent Neural Network中译为循环神经网络主要用于处理有顺序的数据比如文本、语音、时间序列、心电信号等。普通神经网络处理数据时每个输入基本是独立的而 RNN 不一样。它在处理当前输入 xₜ 时还会把上一个时刻留下来的信息 hₜ₋₁ 一起拿过来。这里的 h 就叫做 hidden state隐藏状态可以理解为”记忆“可以回答一个问题如果我们的数据存在明显的先后顺序呢核心公式h t tanh ⁡ ( W x x t W h h t − 1 b ) h_t\tanh(W_xx_tW_hh_{t-1}b)ht​tanh(Wx​xt​Wh​ht−1​b)可以用一句话理解 RNN当前输入 过去记忆 → 当前的新记忆tf.keras.layers.SimpleRNN(units,activationtanh,use_biasTrue,kernel_initializerglorot_uniform,recurrent_initializerorthogonal,bias_initializerzeros,kernel_regularizerNone,recurrent_regularizerNone,bias_regularizerNone,activity_regularizerNone,kernel_constraintNone,recurrent_constraintNone,bias_constraintNone,dropout0.0,recurrent_dropout0.0,return_sequencesFalse,return_stateFalse,go_backwardsFalse,statefulFalse,unrollFalse,**kwargs)