神經網路實作迴歸問題
神經網路實作迴歸問題
波士頓房價預測
波士頓房價預測
🏷️課程簡介
授課老師
授課老師
丁語婕
email:sarah30135@gmail.com
學生先備知識
學生先備知識
Python基礎程式設計
了解神經網路基本概念
學習目標
學習目標
了解神經網路模型訓練流程
能實作迴歸問題的神經網路模型
🎬課程內容
1. 課程介紹
1. 課程介紹
辨別迴歸問題與分類問題
查看波士頓房屋資料集
說明課程架構
介紹實作環境及工具套件
2. 環境架設
2. 環境架設
在Anaconda建立虛擬環境
安裝開發環境Spyder
下載Tensorflow、Pandas、Matplotlib
3. 資料蒐集與前處理
3. 資料蒐集與前處理
從Tensorflow獲取波士頓房屋資料集
將資料分為訓練與測試資料集
觀察資料儲存的變數型態與格式
使用Pandas將數據整理為易讀的表格
進行資料前處理:洗牌、資料標準化
4. 模型架設與編譯
4. 模型架設與編譯
認識迴歸問題的神經網路模型架構
介紹激活函數(activation function):ReLU
認識編譯模型的MSE損失函數、Adam優化器、MAE評估指標
實作神經網路的架構並編譯
5. 模型訓練
5. 模型訓練
認識驗證資料集
認識Early Stopping
實作神經網路模型訓練
6. 模型評估與預測
6. 模型評估與預測
使用測試資料集評估神經網路模型
從測試資料取出前10筆資料做預測
7. 圖表觀察是否過度配適
7. 圖表觀察是否過度配適
介紹Matplotlib並實作圖表
分辨過度配適(overfitting)的圖表
實作圖表觀察神經網路模型的過度配適問題
8. 課後回顧與練習
8. 課後回顧與練習
依模型訓練流程,總結本系列課程內容
提供兩個問題請學生思考並嘗試
課後練習:股價預測資料集
✏️課後測驗
📖參考資料
最後編輯時間:2023/6/12