利用keras使用神经网络预测销量操作


Posted in Python onJuly 07, 2020

keras非常方便。

不解释,直接上实例。

数据格式如下:

序号 天气 是否周末  是否有促销  销量
1  坏  是  是  高
2  坏  是  是  高
3  坏  是  是  高
4  坏  否  是  高
5  坏  是  是  高
6  坏  否  是  高
7  坏  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 坏  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 坏  否  否  低
21 坏  否  是  低
22 坏  否  是  低
23 坏  否  是  低
24 坏  否  否  低
......

代码如下:

#-*- coding: utf-8 -*-
#使用神经网络算法预测销量高低
import pandas as pd
#参数初始化
inputfile = 'data/sales_data.xls'
data = pd.read_excel(inputfile, index_col = u'序号') #导入数据

#数据是类别标签,要将它转换为数据
#用1来表示“好”、“是”、“高”这三个属性,用0来表示“坏”、“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'])
#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,以及模式为binary
#另外常见的损失函数还有mean_squared_error、categorical_crossentropy等,请阅读帮助文件。
#求解方法我们指定用adam,还有sgd、rmsprop等可选

model.fit(x, y, nb_epoch = 1000, batch_size = 10) #训练模型,学习一千次
yp = model.predict_classes(x).reshape(len(y)) #分类预测
10/34 [=======>......................] - ETA: 0s - loss: 0.3723 - acc: 0.8000
34/34 [==============================] - 0s - loss: 0.4470 - acc: 0.7647   
Epoch 1000/1000

结果为经过1000轮训练准确率为0.7647.

补充知识:利用Keras搭建神经网络进行回归预测

我就废话不多说了,大家还是直接看代码吧~

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()#加载数据
 
#对数据进行标准化预处理,方便神经网络更好的学习
mean = X_train.mean(axis=0)
X_train -= mean
std = X_train.std(axis=0)
X_train /= std
X_test -= mean
X_test /= std
 
#构建神经网络模型
def build_model():
  #这里使用Sequential模型
  model = models.Sequential()
  #进行层的搭建,注意第二层往后没有输入形状(input_shape),它可以自动推导出输入的形状等于上一层输出的形状
  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))
  #编译网络
  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)

在实际操作中可以用自己的数据进行测试,最终预测出的predicts,可以利用回归评价指标和y_test进行模型效果的评价。

以上这篇利用keras使用神经网络预测销量操作就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python中 ? : 三元表达式的使用介绍
Oct 09 Python
python中global用法实例分析
Apr 30 Python
Django Admin实现上传图片校验功能
Mar 06 Python
在python3.5中使用OpenCV的实例讲解
Apr 02 Python
Python一句代码实现找出所有水仙花数的方法
Nov 13 Python
Python中logging.NullHandler 的使用教程
Nov 29 Python
python实现浪漫的烟花秀
Jan 30 Python
Python查找最长不包含重复字符的子字符串算法示例
Feb 13 Python
使用Filter过滤python中的日志输出的实现方法
Jul 17 Python
python3实现用turtle模块画一棵随机樱花树
Nov 21 Python
Python numpy多维数组实现原理详解
Mar 10 Python
matplotlib之pyplot模块实现添加子图subplot的使用
Apr 25 Python
Python Mock模块原理及使用方法详解
Jul 07 #Python
opencv 图像礼帽和图像黑帽的实现
Jul 07 #Python
PyTorch: Softmax多分类实战操作
Jul 07 #Python
opencv 形态学变换(开运算,闭运算,梯度运算)
Jul 07 #Python
解决pytorch 交叉熵损失输出为负数的问题
Jul 07 #Python
Python基于httpx模块实现发送请求
Jul 07 #Python
opencv 图像腐蚀和图像膨胀的实现
Jul 07 #Python
You might like
PHP 获取文件路径(灵活应用__FILE__)
2013/02/15 PHP
详解PHP中的Traits
2015/07/29 PHP
thinkphp5.1框架容器与依赖注入实例分析
2019/07/23 PHP
PHP接入微信H5支付的方法示例
2019/10/28 PHP
让textarea自动调整大小的js代码
2011/04/12 Javascript
jquery必须知道的一些常用特效方法及使用示例(整理)
2013/06/24 Javascript
js面向对象编程之如何实现方法重载
2014/07/02 Javascript
基于jQuery实现最基本的淡入淡出效果实例
2015/02/02 Javascript
JavaScript实现打字效果的方法
2015/07/10 Javascript
Node.js操作mysql数据库增删改查
2016/03/30 Javascript
使用JavaScript实现ajax的实例代码
2016/05/11 Javascript
温习Javascript基础语法之词法结构
2016/05/31 Javascript
javascript性能优化之分时函数的介绍
2018/03/28 Javascript
使用JSON格式提交数据到服务端的实例代码
2018/04/01 Javascript
Threejs实现滴滴官网首页地球动画功能
2020/07/13 Javascript
在vue中使用Echarts画曲线图的示例
2020/10/03 Javascript
Django权限机制实现代码详解
2018/02/05 Python
python3.X 抓取火车票信息【修正版】
2018/06/19 Python
对python 多个分隔符split 的实例详解
2018/12/20 Python
Python3+Pycharm+PyQt5环境搭建步骤图文详解
2019/05/29 Python
PyQt5响应回车事件的方法
2019/06/25 Python
python调试神器PySnooper的使用
2019/07/03 Python
python配置文件写入过程详解
2019/10/19 Python
使用 Supervisor 监控 Python3 进程方式
2019/12/05 Python
matplotlib.pyplot画图并导出保存的实例
2019/12/07 Python
使用Html5、CSS实现文字阴影效果
2018/01/17 HTML / CSS
HTML5 3D旋转相册的实现示例
2019/12/03 HTML / CSS
日本一家专门经营各种箱包的大型网站:Traveler Store
2016/08/03 全球购物
荷兰在线体育用品商店:Avantisport.nl
2018/07/04 全球购物
司法所长先进事迹
2014/06/02 职场文书
安全资料员岗位职责范本
2014/06/28 职场文书
开展党的群众路线教育实践活动领导班子对照检查材料
2014/09/25 职场文书
学雷锋团日活动总结
2015/05/06 职场文书
投诉信格式范文
2015/07/02 职场文书
大学新生入学感想
2015/08/07 职场文书
小学感恩主题班会
2015/08/12 职场文书