摘要：内容实现概述 本文主要讲述使用keras库内置的Sequential（序列）模型，实现银行客户流失率预测，它属于一个二分类问题（因为针对单个客户来说，他要么已流失要么未流失）。 具体实现过程如下： 导入所需库：预先导入nump、pandas、sklearn以及keras库 导入数据：使用pandas 阅读全文

摘要：内容实现概述 本文主要讲述使用keras库内置的Sequential（序列）模型，实现银行客户流失率预测，它属于一个二分类问题（因为针对单个客户来说，他要么已流失要么未流失）。 具体实现过程如下： 导入所需库：预先导入nump、pandas、sklearn以及keras库 导入数据：使用pandas 阅读全文

摘要：内容实现概述 本文主要讲述使用sklearn库内置的神经网络模型，实现葡萄酒分类。 具体实现过程如下： 导入所需库：预先导入sklearn库 导入数据：调用库内置的加载葡萄酒数据的方法load_wine()，导入数据 数据预处理：对wine数据进行预处理，获得特征数据与目标数据；对特征数据进行归一化 阅读全文

摘要：一、内容实现概述 本文主要讲述使用keras库内置的Sequential（序列）模型，实现新闻分类。 具体实现过程如下： 导入所需库：预先导入keras以及numpy库 导入数据：调用keras库内置的新闻数据库（reuters, 即路透社）方法load_data()，导入并分割好数据 数据预处理： 阅读全文

摘要：一、内容实现概述 本文主要讲述使用keras库内置的Sequential（序列）模型，实现电影评论。 具体实现过程如下： 导入所需库：预先导入keras库 导入数据：调用keras库内置的房价数据库（imdb, 即互联网电影资料库）方法load_data()，导入并分割好数据 数据预处理：对由整数表 阅读全文

摘要：一、内容实现概述 本文主要讲述使用keras库内置的Sequential（序列）模型，实现房价预测。具体实现过程如下： 导入所需库：预先导入keras以及scikit-learn库 导入数据：调用keras库内置的房价数据库（boston_housing）方法load_data()，导入并分割好数据 阅读全文