作者：Sagar Howal

编译：weakish

编者按：数据科学开发者Sagar Howal通过一个浅显易懂的示例，介绍了如何使用Google Colaboratory——Google提供的用于数据科学和机器学习的协作开发工具。Colaboratory十分好用，而且是免费的。

Google最近发布了Google Colaboratory（g.co/colab）。Google Colaboratory原为Google数据科学编程的内部协作工具，现在Google把它作为公开服务发布出来。Google Colaboratory基于Jupyter开源项目，并集成了Google Drive。Colaboratory使用户能像使用Google文档或电子表格一样方便地使用Jupyter Notebook。

Colaboratory

使用Colaboratory很简单。如果你有Google账号的话，直接访问Colaboratory网站即可开始使用。Colaboratory让你使用Google的虚拟机运行机器学习任务，这样你可以直接上手构建模型，无需担忧算力问题。而且，它是免费的。

初次打开Colaboratory，你会看到一个欢迎文件“Hello, Colaboratory”，里面有一些基本的例子。你可以尝试一下。

在Colaboratory中，你可以像在Jupyter Notebook中一样编写代码。按Shift+Enter 可以运行代码块，结果会显示在代码块下方。

除了代码之外，你也可以运行shell命令，加上!作为前缀就可以，例如：

!pip install -q keras

下面我将通过一个例子演示如何使用Colaboratory训练神经网络。我们将在UCI机器学习仓库提供的威斯康星州乳腺癌数据库上训练一个神经网络。

这里是与本文配套的Colaboratory notebook。

深度学习

本文假设读者对神经网络和深度学习有一定了解。如果你需要温习这方面的知识，可以参考Carlos Greshenson的论文（这是一篇非常容易阅读的论文）。你也可以参考其他网上资源。

不过，即使你现在还不理解神经网络，也不用担心，因为我们会循序渐进。让我们开始……

代码

问题：

研究人员获取了细针穿刺抽吸活组织检查（FNA）数据，生成对应的数码图像。数据集中包含了描述图像中的细胞核特性的实例。每个实例标注为“恶性”或“良性”。我们的任务是在这些数据上训练网络，以诊断乳腺癌。

在Colaboratory中新建一个notebook（untitled.ipynb文件）。

正如我们前面提到的，notebook背后是一个虚拟linux机器，因此你可以安装项目所需的软件包。现在就来试一下，在代码块中输入!ls（记得在所有命令前加!）：

接下来我们上传数据集：

# 上传数据集
from google.colab import files
uploaded = files.upload()
# 保存上传的文件到虚拟机
# 感谢StackOverflow的user3800642
with open("breast_cancer.csv", 'w') as f:
    f.write(uploaded[uploaded.keys()[0]])

输入!ls检查下文件是否就绪：

数据处理：

导入数据集（使用pandas）：

import numpy as np
import pandas as pd
# 导入数据集
dataset = pd.read_csv('breast_cancer.csv')
# 查看数据集的前5行
    dataset.head(5)

分离因变量和自变量：

# 剔除最后一列（全是NaN值）
X = dataset.iloc[:, 2:32].values
y = dataset.iloc[:, 1].values

y包含单独的一列，其中有两个类别M和B，分别代表“恶性”和“良性”。它们需要被编码为相应的数学形式，即 1和0 。这可以通过LabelEncoder类（标签编码器）实现。

# 编码分类数据
from sklearn.preprocessing import LabelEncoder
labelencoder = LabelEncoder()
y = labelencoder.fit_transform(y)

（如果你的数据包含超过2个类别，你可以使用OneHotEncoder）

数据就绪之后，让我们切分训练集和测试集。我们使用Scikit-Learn中的train_test_split 类：

rom sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 42)

test_size = 0.2参数定义了测试集的比例。也就是80%作为训练集，20%作为测试集。

Keras

Keras是构建神经网络的高层API，底层操作基于Tensorflow。因此，安装Keras前先要安装Tensorflow。Colaboratory的虚拟机已经预装了Tensorflow。输入以下命令可以查看当前安装的Tensorflow版本：

!pip show tensorflow

如有必要，你也可以安装特定版本的Tensorflow，例如：

!pip install tensorflow==1.2

安装Keras：

!pip install -q keras

加载Keras：

mport keras
from keras.models import Sequential
from keras.layers import Dense

Sequential和Dense类用来指定神经网络的节点、连接。我们需要这两个类来定制和调整网络的参数。

创建一个Sequential对象以初始化神经网络：

classifier = Sequential()

现在我们需要设计网络。

我们需要为每个隐藏层定义3个基本参数：units、kernel_initializer、activation。units参数定义神经元数目。kernel_initializer定义初始权重（详见keras文档）。activation定义激活函数。

注意：如果这些术语让你感到头大，不用忧虑。请继续阅读，你会逐渐了解这些概念的。

第一层：

我们在第一层放置了16个神经元（统一初始化权重），使用ReLU激活函数。input_dim = 30是因为我们的数据集中有30个特征列。

作弊：

我们是如何决定神经元的数目的？人们会告诉你这是源自经验和专门知识的艺术。对于初学者来说，一个简单的方法是将X和y的列数相加，然后除以2。(30+1)/2 = 15.5 ~ 16. 所以units = 16

第二层：

除了不带input_dim参数外，第二层和第一层一模一样。

输出层：

由于我们的输出是二元值中的一个，我们可以使用统一初始化权重的单个神经元。这里我们使用了sigmoid激活函数。（关于不同激活函数的选择，可以参考这篇文章。）

                                            
                                                
                                                    # 输入层和第一个隐藏层
                                                
                                                
                                                    classifier.add(Dense(units = 16, kernel_initializer = 'uniform', activation = 'relu', input_dim = 30))
                                                
                                                
                                                    
                                                
                                                
                                                    # 第二个隐藏层
                                                
                                                
                                                    classifier.add(Dense(units = 16, kernel_initializer = 'uniform', activation = 'relu'))
                                                
                                                
                                                    
                                                
                                                
                                                    # 输出层
                                                
                                                
                                                    classifier.add(Dense(units = 1, kernel_initializer = 'uniform', activation = 'sigmoid'))
                                                
                                                
                                                    
                                                
                                                
                                                    # 优化和损失
                                                
                                                
                                                    classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])

拟合：

运行人工神经网络，让反向传播魔法发挥威力吧！

# 拟合训练集
classifier.fit(X_train, y_train, batch_size = 10, epochs = 100)

上面的batch_size是你希望同时处理的输入数量。epoch是所有数据在神经网络中过一遍的完整周期。运行上述代码后，Colaboratory Notebook的输出是这样的：

进行预测，生成混淆矩阵。

# 预测测试集结果
y_pred = classifier.predict(X_test)
y_pred = (y_pred > 0.5)
# 生成混淆矩阵
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_test, y_pred)

训练网络之后，可以在X_test上运行测试（之前的训练过程中，我们将它放在一边）。输入并执行cm，看看模型在新数据上的表现如何。

混淆矩阵

混淆矩阵，顾名思义，表示模型所做的正确和错误预测。当你打算独立地检查哪些预测混淆的时候，混淆矩阵很有用。下图是一个2x2的混淆矩阵的例子。

我们的混淆矩阵是这样的。

上面的数字表示：70个正确的否定预测，1个错误的肯定预测，1个错误的否定预测，42个正确的肯定预测。

看到没？混淆矩阵很简单。矩阵的尺寸随分类的类别的增加而增加。

在我们的例子中，我们达到了接近100%的精确度。只有2个错误预测。相当不错。但有时候你可能需要投入更多时间，查探模型的表现，以找到更好、更复杂的解决方案。如果网络的表现不佳，可以通过超参数调优来改进模型。

我希望本文可以帮助你上手Colaboratory。本文配套的Notebook在此（https://colab.research.google.com/notebook#fileId=1aQGl_sH4TVehK8PDBRspwI4pD16xIR0r）。

原文地址：https://towardsdatascience.com/neural-networks-with-google-colaboratory-artificial-intelligence-getting-started-713b5eb07f14