python中神经网络循环的多次迭代

时间:2018-08-14 15:34:38

标签: python loops for-loop neural-network

我有一个有效的神经网络循环,因此我可以使用隐藏层中预定数量的节点(“ nodes_list”)运行神经网络。然后,我为每个节点数计算ROC曲线下的面积,并将其放入列表(“ roc_outcomes”)中以进行绘图。但是,我想在此循环中循环5次,以得到三个模型中每个模型的ROC曲线下的平均面积(模型1:隐藏层中的20个节点,模型2:隐藏层中的28个节点,模型3:38隐藏层中的节点)。当我只在一个模型上尝试时,这很好用,但是当我迭代多个模型而不是对模型1进行5次迭代,然后对模型2进行5次迭代,然后对模型3进行5次迭代时.... 1,然后是模型2,然后是模型3,然后执行5次。 这个嵌套循环的目的是让我遍历每个神经网络模型5次,将每次迭代的ROC曲线下的面积放入列表中,计算该列表的平均值,然后将平均值放入新列表中。最终,我希望列出三个数字(每个模型一个),这是该模型的5次迭代的ROC曲线下的平均面积。希望我能很好地解释这一点。请要求任何澄清。

这是我的代码:

nodes_list = [20, 28, 38]  # list with number of nodes in hidden layer per model
roc_outcomes = [] # list of ROC AUC

for i in np.arange(1,6):

    for nodes in nodes_list:
        # Add first layer
        model.add(Dense(units=n_cols, activation='relu', input_shape=(n_cols,)))
        # Add hidden layer
        model.add(Dense(units=nodes, activation='relu'))
        # Add output layer
        model.add(Dense(units=2, activation='softmax'))

        # Compile model
        model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
        # Fit model
        model.fit(X, y, validation_split=0.33, epochs=epochs, callbacks=early_stopping_monitor, verbose=True)

        # Get predicted probabilities
        pred_prob = model.predict_proba(X)[:,1]

        # Calculate area under the curve (logit_roc_auc)
        logit_roc_auc = roc_auc_score(y[:,1], pred_prob) 
        # Append roc scores to the roc_outcomes list
        roc_outcomes.append(logit_roc_auc)

    # Get the mean of that list
    mean_roc = np.mean(roc_outcomes)
    # Append to another list
    mean_roc_outcomes = []
    mean_roc_outcomes.append(mean_roc)

1 个答案:

答案 0 :(得分:2)

像这样构造循环:

for nodes in node_list:
    for i in range(0,5):
        #do your stuff

示例:

myList = ['a', 'b', 'c']
for item in myList:
    for i in range(0,5):
        print(item, end=", ")

输出:

a, a, a, a, a, b, b, b, b, b, c, c, c, c, c,