申请网站空间怎么做,灵台门户网,网站开发公司比较有名,wordpress去掉后缀知识点回顾#xff1a; 对抗生成网络的思想#xff1a;关注损失从何而来生成器、判别器nn.sequential容器#xff1a;适合于按顺序运算的情况#xff0c;简化前向传播写法leakyReLU介绍#xff1a;避免relu的神经元失活现象 ps#xff1b;如果你学有余力#xff0c;对于… 知识点回顾 对抗生成网络的思想关注损失从何而来生成器、判别器nn.sequential容器适合于按顺序运算的情况简化前向传播写法leakyReLU介绍避免relu的神经元失活现象 ps如果你学有余力对于gan的损失函数的理解建议去找找视频看看如果只是用没必要学 作业对于心脏病数据集对于病人这个不平衡的样本用GAN来学习并生成病人样本观察不用GAN和用GAN的F1分数差异。 一、数据预处理修改 src/data/preprocessing.py def split_minority_class(data_df):# 提取少数类病人样本minority data_df[data_df.target 1]return minority.drop(target, axis1).values 二、GAN网络定义新增 src/models/gan.py class Generator(nn.Sequential):def __init__(self, input_dim, output_dim):super().__init__(nn.Linear(input_dim, 128),nn.LeakyReLU(0.2),nn.Linear(128, 256),nn.LeakyReLU(0.2),nn.Linear(256, output_dim),nn.Tanh())class Discriminator(nn.Sequential):def __init__(self, input_dim):super().__init__(nn.Linear(input_dim, 256),nn.LeakyReLU(0.2),nn.Linear(256, 128),nn.LeakyReLU(0.2),nn.Linear(128, 1),nn.Sigmoid()) 三、训练流程修改 src/models/train.py # GAN训练循环
for epoch in range(epochs):for real_data in minority_loader:# 生成假数据z torch.randn(batch_size, latent_dim)fake_data generator(z)# 判别器训练d_loss_real criterion(discriminator(real_data), real_labels)d_loss_fake criterion(discriminator(fake_data.detach()), fake_labels)d_loss (d_loss_real d_loss_fake) / 2# 生成器训练g_loss criterion(discriminator(fake_data), real_labels) 四、评估对比新增 src/visualization/evaluate.py def compare_f1(original_f1, gan_f1):plt.figure(figsize(10,6))plt.bar([Original, GAN Augmented], [original_f1, gan_f1])plt.title(F1 Score Comparison)plt.savefig(reports/figures/f1_comparison.png) 执行流程 1.安装依赖 pip install imbalanced-learn 2.训练GAN生成样本 3.分别训练基线模型和增强模型 4.生成对比报告
