TensorFlow.NET机器学习入门【4】采用神经网络处理分类问题

 上一篇文章我们介绍了通过神经网络来处理一个非线性回归的问题，这次我们将采用神经网络来处理一个多元分类的问题。

这次我们解决这样一个问题：输入一个人的身高和体重的数据，程序判断出这个人的身材状况，一共三个类别：偏瘦、正常、偏胖。

处理流程如下：

1、收集数据

2、构建神经网络

3、训练网络

4、保存和消费模型

 详细步骤如下：

1、收集数据

对于一个复杂的业务数据，在实际应用时应该是通过收集取得数据，本文的重点不在数据收集，所以我们将制造一批标准数据来进行学习。

关于人体的胖瘦问题，有一个BMI算法，即：BMI=weight / (height * height)，当BMI小于18时，认为偏瘦，当BMI大于28时，认为偏胖，18到28之间，认为正常。

首先随机生成身高和体重的数据，然后计算BMI值，并对结果进行标记，其中，偏瘦标记为0，正常标记为1，偏胖标记为2 。代码如下：

        /// <summary>
        /// 加载训练数据
        /// </summary>
        /// <param name="total_size"></param>
        private (NDArray, NDArray) PrepareData(int total_size)
        {
            float[,] arrx = new float[total_size, num_features];
            int[] arry = new int[total_size];

            for (int i = 0; i < total_size; i++)
            {
                float weight = (float)random.Next(30, 100) / 100;
                float height = (float)random.Next(140, 190) / 100;
                float bmi = (weight * 100) / (height * height);

                arrx[i, 0] = weight;
                arrx[i, 1] = height;

                switch (bmi)
                {
                    case var x when x < 18.0f:
                        arry[i] = 0;
                        break;

                    case var x when x >= 18.0f && x <= 28.0f:
                        arry[i] = 1;
                        break;

                    case var x when x > 28.0f:
                        arry[i] = 2;
                        break;
                }
            }