如何将原始代码转换为函数示例

Question

我刚刚开始学习如何用Python编写代码，如果有人能给我一个关于如何将原始代码转换为函数的简短解释/提示，我将不胜感激

机器学习代码示例：

# create model
model = Sequential()
model.add(Dense(neurons, input_dim=8, kernel_initializer='uniform', activation='linear', kernel_constraint=maxnorm(4)))
model.add(Dropout(0.2))
model.add(Dense(1, kernel_initializer='uniform', activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) 
# split into input (X) and output (Y) variables
X = dataset[:,0:8]
Y = dataset[:,8]
# create model
model = KerasClassifier(build_fn=model, epochs=100, batch_size=10, verbose=0)
# define the grid search parameters
neurons = [1, 5]
param_grid = dict(neurons=neurons)
grid = GridSearchCV(estimator=model, param_grid=param_grid, n_jobs=-1, cv=3)
grid_result = grid.fit(X, Y)
# summarize results
print("Best: %f using %s" % (grid_result.best_score_, grid_result.best_params_))
means = grid_result.cv_results_['mean_test_score']
stds = grid_result.cv_results_['std_test_score']
params = grid_result.cv_results_['params']
for mean, stdev, param in zip(means, stds, params):
    print("%f (%f) with: %r" % (mean, stdev, param))

如果我想在1或2个函数中实现它，我应该如何从这个示例开始

编辑：

在上面的代码中，我为<；#创建了一个函数创建模型>；：

def create_model(neurons=1):
    # create model
    model = Sequential()
    model.add(Dense(neurons, input_dim=8, kernel_initializer='uniform', activation='linear', kernel_constraint=maxnorm(4)))
    model.add(Dropout(0.2))
    model.add(Dense(1, kernel_initializer='uniform', activation='sigmoid'))
    # Compile model
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
return model

然后，我必须将create_model（）传递到<；KerasClassifier（构建fn=创建模型等）>

如果我创建另一个如下所示的函数是否正确：

def keras_classifier(model):
    # split into input (X) and output (Y) variables
    X = dataset[:,0:8]
    Y = dataset[:,8]
    model = KerasClassifier(build_fn=model, epochs=100, batch_size=10, verbose=0)
    # define the grid search parameters
    neurons = [1, 5]
    param_grid = dict(neurons=neurons)
    grid = GridSearchCV(estimator=model, param_grid=param_grid, n_jobs=-1, cv=3)
    grid_result = grid.fit(X, Y)
    # summarize results
    print("Best: %f using %s" % (grid_result.best_score_, grid_result.best_params_))
    means = grid_result.cv_results_['mean_test_score']
    stds = grid_result.cv_results_['std_test_score']
    params = grid_result.cv_results_['params']
    for mean, stdev, param in zip(means, stds, params):
         print("%f (%f) with: %r" % (mean, stdev, param))

它是否正确/可以是在另一个函数中调用的函数

因为如果我调用这两个函数：

create_model(neurons)
keras_classifier(model)

我得到错误name错误：未定义名称“model”

有人能帮忙吗

Answer 1

好吧，没有一种方法可以做到这一点，但我将尝试陈述一些基线，以便对代码进行排序

函数是一组有组织的可重用代码，用于执行单个相关操作。函数为应用程序提供了更好的模块化和高度的代码重用

因此，您需要遵循一些“规则”：

• 尝试将代码分成相关的块，例如：在允许函数接收参数的同时构建NN

• 确保函数是单一责任（查看OOP的单一责任，尽管我发现它在创建函数时也非常有用https://en.wikipedia.org/wiki/Single-responsibility_principle）

现在，我还想提一下，从你的代码中，我可以看出你在处理一个数据问题，例如机器学习问题

我发现这类问题有点不同于传统的软件工程问题，因为很多时候你只做一次事情（甚至可能是硬编码的，比如操纵某些特定的数据帧列，并用一些任意值填充NAN）因此，对于初学者来说，从另一个角度处理函数是很困难的，甚至可能是不必要的，我现在将解释

因此，即使在考虑函数之前，尝试使用某种jupyter笔记本并将代码分成块，这将为您提供一些关于如何划分代码的基本知识，并且不会像我上面提到的那样困难

Answer 2

我认为您的功能def存在问题：

def create_model(neurons):
    ....
return model

需要

def create_model(neurons):
    ....
    return model

缩进在python中非常重要，它们构成语法的一部分。不要写难看的代码，谢谢：）

是的，您可以将模型传递到函数中，然后将其传递给keras分类器的build_fn=命名变量。放入分类器调用的对象本身必须是模型对象，因此请执行以下操作：

model = KerasClassifier(build_fn=create_model(), epochs=100, batch_size=10, verbose=0)

为函数创建的模型使用不同的名称或传递给函数有助于跟踪它们