欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

利用keras使用神經(jīng)網(wǎng)絡預測銷量操作

 更新時間:2020年07月07日 17:24:50   作者:6丁一的貓  
這篇文章主要介紹了利用keras使用神經(jīng)網(wǎng)絡預測銷量操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧

keras非常方便。

不解釋,直接上實例。

數(shù)據(jù)格式如下:

序號 天氣 是否周末  是否有促銷  銷量
1  壞  是  是  高
2  壞  是  是  高
3  壞  是  是  高
4  壞  否  是  高
5  壞  是  是  高
6  壞  否  是  高
7  壞  是  否  高
8  好  是  是  高
9  好  是  否  高
10 好  是  是  高
11 好  是  是  高
12 好  是  是  高
13 好  是  是  高
14 壞  是  是  低
15 好  否  是  高
16 好  否  是  高
17 好  否  是  高
18 好  否  是  高
19 好  否  否  高
20 壞  否  否  低
21 壞  否  是  低
22 壞  否  是  低
23 壞  否  是  低
24 壞  否  否  低
......

代碼如下:

#-*- coding: utf-8 -*-
#使用神經(jīng)網(wǎng)絡算法預測銷量高低
import pandas as pd
#參數(shù)初始化
inputfile = 'data/sales_data.xls'
data = pd.read_excel(inputfile, index_col = u'序號') #導入數(shù)據(jù)

#數(shù)據(jù)是類別標簽,要將它轉換為數(shù)據(jù)
#用1來表示“好”、“是”、“高”這三個屬性,用0來表示“壞”、“否”、“低”
data[data == u'好'] = 1
data[data == u'是'] = 1
data[data == u'高'] = 1
data[data != 1] = 0
x = data.iloc[:,:3].as_matrix().astype(int)
y = data.iloc[:,3].as_matrix().astype(int)
print x
from keras.models import Sequential
from keras.layers.core import Dense, Activation,Dropout

model = Sequential()
model.add(Dense(64, input_shape=(3,)))
model.add(Dropout(0.5))
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy',
       optimizer='rmsprop',
       metrics=['accuracy'])
#編譯模型。由于我們做的是二元分類,所以我們指定損失函數(shù)為binary_crossentropy,以及模式為binary
#另外常見的損失函數(shù)還有mean_squared_error、categorical_crossentropy等,請閱讀幫助文件。
#求解方法我們指定用adam,還有sgd、rmsprop等可選

model.fit(x, y, nb_epoch = 1000, batch_size = 10) #訓練模型,學習一千次
yp = model.predict_classes(x).reshape(len(y)) #分類預測
10/34 [=======>......................] - ETA: 0s - loss: 0.3723 - acc: 0.8000
34/34 [==============================] - 0s - loss: 0.4470 - acc: 0.7647   
Epoch 1000/1000

結果為經(jīng)過1000輪訓練準確率為0.7647.

補充知識:利用Keras搭建神經(jīng)網(wǎng)絡進行回歸預測

我就廢話不多說了,大家還是直接看代碼吧~

from keras.datasets import boston_housing
from keras import models
from keras import layers
 
(X_train, y_train), (X_test, y_test) = boston_housing.load_data()#加載數(shù)據(jù)
 
#對數(shù)據(jù)進行標準化預處理,方便神經(jīng)網(wǎng)絡更好的學習
mean = X_train.mean(axis=0)
X_train -= mean
std = X_train.std(axis=0)
X_train /= std
X_test -= mean
X_test /= std
 
#構建神經(jīng)網(wǎng)絡模型
def build_model():
  #這里使用Sequential模型
  model = models.Sequential()
  #進行層的搭建,注意第二層往后沒有輸入形狀(input_shape),它可以自動推導出輸入的形狀等于上一層輸出的形狀
  model.add(layers.Dense(64, activation='relu',input_shape=(X_train.shape[1],)))
  model.add(layers.Dense(64, activation='relu'))
  model.add(layers.Dense(1))
  #編譯網(wǎng)絡
  model.compile(optimizer='rmsprop', loss='mse', metrics=['mae'])
  return model
 
num_epochs = 100
model = build_model()
model.fit(X_train, y_train,epochs=num_epochs, batch_size=1, verbose=0)
predicts = model.predict(X_test)

在實際操作中可以用自己的數(shù)據(jù)進行測試,最終預測出的predicts,可以利用回歸評價指標和y_test進行模型效果的評價。

以上這篇利用keras使用神經(jīng)網(wǎng)絡預測銷量操作就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關文章

  • Python實現(xiàn)微博動態(tài)圖片爬取詳解

    Python實現(xiàn)微博動態(tài)圖片爬取詳解

    這篇文章主要為大家介紹了如何利用Python中的爬蟲實現(xiàn)微博動態(tài)圖片的爬取,文中的示例代碼講解詳細,感興趣的小伙伴可以跟隨小編一起動手試一試
    2022-03-03
  • 輕松掌握Python爬蟲,從入門到精通

    輕松掌握Python爬蟲,從入門到精通

    Python爬蟲學習完整版來了!想成為一名爬蟲高手,掌握數(shù)據(jù)采集的技能嗎?這份指南將帶你從零開始,一步步掌握Python爬蟲的各種技巧,讓你輕松獲取海量數(shù)據(jù),需要的朋友可以參考下
    2024-03-03
  • python實現(xiàn)socket端口重定向示例

    python實現(xiàn)socket端口重定向示例

    這篇文章主要介紹了python實現(xiàn)的socket端口重定向示例,實現(xiàn)功能是在端口12345開啟文件共享,此時我也想通過8000端口同時訪問此共享
    2014-02-02
  • Python寫入CSV文件的方法

    Python寫入CSV文件的方法

    這篇文章主要介紹了Python寫入CSV文件的方法,涉及Python使用csv模塊操作csv文件讀寫的相關技巧,非常簡單實用,需要的朋友可以參考下
    2015-07-07
  • python使用opencv讀取圖片的實例

    python使用opencv讀取圖片的實例

    下面小編就為大家?guī)硪黄猵ython使用opencv讀取圖片的實例。小編覺得挺不錯的,現(xiàn)在就分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2017-08-08
  • Python設計模式之MVC模式簡單示例

    Python設計模式之MVC模式簡單示例

    這篇文章主要介紹了Python設計模式之MVC模式,簡單介紹了MVC模式的概念、原理,并結合實例形式給出了Python實現(xiàn)與使用MVC模式的相關操作技巧,需要的朋友可以參考下
    2018-01-01
  • python實現(xiàn)蒙特卡羅方法教程

    python實現(xiàn)蒙特卡羅方法教程

    在本篇文章里小編給大家分享了關于python實現(xiàn)蒙特卡羅方法和知識點,有需要的朋友們學習下。
    2019-01-01
  • Python 列表排序詳解

    Python 列表排序詳解

    這篇文章主要介紹了Python中對列表排序實例,本文給出了9個List的排序實例,需要的朋友可以參考下,希望能夠給你帶來幫助
    2021-10-10
  • Django項目搭建之實現(xiàn)簡單的API訪問

    Django項目搭建之實現(xiàn)簡單的API訪問

    這篇文章主要給大家介紹了關于Django項目搭建之實現(xiàn)簡單的API訪問的相關資料,文中通過圖文以及示例代碼介紹的非常詳細,對大家學習或者使用Django具有一定的參考學習價值,需要的朋友可以參考下
    2023-02-02
  • 利用Python判斷整數(shù)是否是回文數(shù)的3種方法總結

    利用Python判斷整數(shù)是否是回文數(shù)的3種方法總結

    這篇文章主要給大家介紹了關于如何利用Python判斷整數(shù)是否是回文數(shù)的3種方總結,回文數(shù)是指正序(從左向右)和倒序(從右向左)讀都是一樣的整數(shù),需要的朋友可以參考下
    2021-07-07

最新評論