Python数据挖掘建模 chapter_5 神经网络算法
来源:互联网 发布:js 格式化数字 前补零 编辑:程序博客网 时间:2024/03/28 18:19
1.人工神经网络:
BP神经网络误差逆传播算法训练的多层前馈网络LM神经网络基于梯度下降和牛顿法结合点多层前馈网络,迭代少,精度高RBF径向积神经网络可以任意精度逼近连续函数,适合解决分类问题FNN模糊神经网络具有模糊系数或输入信号是模糊量的神经网络GMDH神经网络多项式神经网络,前馈神经网络中用于预测的不稳定结构网络ANFIS自适应神经网络全模糊结构,可自动产生、修正并高度概括规则 numwealthweekendp_salenum_sale1badyesyeshigh2badyesyeshigh3badyesyeshigh4badnoyeshigh5badyesyeshigh6badnoyeshigh7badyesnohigh8goodyesyeshigh9goodyesnohigh。。。
BP神经网络误差逆传播算法训练的多层前馈网络LM神经网络基于梯度下降和牛顿法结合点多层前馈网络,迭代少,精度高RBF径向积神经网络可以任意精度逼近连续函数,适合解决分类问题FNN模糊神经网络具有模糊系数或输入信号是模糊量的神经网络GMDH神经网络多项式神经网络,前馈神经网络中用于预测的不稳定结构网络ANFIS自适应神经网络全模糊结构,可自动产生、修正并高度概括规则
(训练数据需要TensorFlow、keras、pandas等相关64位Python库)
数据举例:
data[data == u'yes'] = 1data[data == u'high'] = 1data[data != 1] = 0x = data.iloc[:,:3].as_matrix().astype(int)y = data.iloc[:,3].as_matrix().astype(int)from keras.models import Sequentialfrom keras.layers.core import Dense, Activationmodel = Sequential() #建立模型model.add(Dense(input_dim = 3, output_dim = 10))model.add(Activation('relu')) #用relu函数作为激活函数,能够大幅提供准确度model.add(Dense(input_dim = 10, output_dim = 1))model.add(Activation('sigmoid')) #由于是0-1输出,用sigmoid函数作为激活函数model.compile(loss = 'binary_crossentropy', optimizer = 'adam')#编译模型。由于我们做的是二元分类,所以我们指定损失函数为binary_crossentropy,求解方法我们指定用adam,还有sgd、rmsprop等可选model.fit(x, y, nb_epoch = 500, batch_size = 10) #训练模型,学习500次yp = model.predict_classes(x).reshape(len(y)) #分类预测#from cm_plot import * #导入自行编写的混淆矩阵可视化函数#cm_plot(y,yp).show() #显示混淆矩阵可视化结果print yprint yp
阅读全文
0 0
- Python数据挖掘建模 chapter_5 神经网络算法
- 神经网络算法--数据挖掘
- Python数据挖掘建模 chapter_8 时间序列算法
- Python数据挖掘建模_chapter_1
- 数据挖掘算法-BP神经网络
- 神经网络分类算法 数据挖掘
- Python笔记-数据挖掘建模过程
- Python数据挖掘建模 chapter_2决策树
- Python数据挖掘建模 chapter_3 聚类
- Python数据挖掘建模 chapter_4 相关性分析
- Python数据挖掘建模 chapter_7 关联规则
- Python数据分析与挖掘实战—挖掘建模
- python数据分析与挖掘学习笔记(7)-交通路标自动识别实战与神经网络算法
- 数据挖掘及其建模
- 数据挖掘及其建模
- 数据挖掘建模过程
- 数据挖掘建模步骤
- 数据挖掘建模过程
- Android OOM
- C语言的基本输入与输出函数(全解)
- java中如何理解继承和接口的实际用途
- 分词资料
- python:浅析python中__name__ = "__main__"的作用
- Python数据挖掘建模 chapter_5 神经网络算法
- Apache Shiro 快速入门教程,shiro 基础教程
- FreeBSD下的开机自启动
- python随机数函数
- 创建一个窗口程序(JFrame)
- 从session到token
- 自执行函数的优点
- 【汇总】语料库资源
- Ubuntu17.04 环境下装WPS