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多线程抓取天涯帖子内容示例
Apr 03 Python
Python中处理字符串之endswith()方法的使用简介
May 18 Python
Python操作MongoDB详解及实例
May 18 Python
Python之re操作方法(详解)
Jun 14 Python
Python批量查询域名是否被注册过
Jun 21 Python
python生成圆形图片的方法
Mar 25 Python
python爬虫_实现校园网自动重连脚本的教程
Apr 22 Python
python 通过logging写入日志到文件和控制台的实例
Apr 28 Python
Pytorch中实现只导入部分模型参数的方式
Jan 02 Python
基于python实现微信好友数据分析(简单)
Feb 16 Python
如何查看python关键字
Jan 17 Python
Python实现制作销售数据可视化看板详解
Nov 27 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 第二节 数据类型之转换
2012/04/28 PHP
smarty内置函数{loteral}、{ldelim}和{rdelim}用法实例
2015/01/22 PHP
基于GD2图形库的PHP生成图片缩略图类代码分享
2015/02/08 PHP
PHP中Enum(枚举)用法实例详解
2015/12/07 PHP
PHP打印输出函数汇总
2016/08/28 PHP
在laravel中实现事务回滚的方法
2019/10/10 PHP
用jquery实现动画跳到顶部和底部(这个比较简单)
2014/09/01 Javascript
Javascript 读取操作Sql中的Xml字段
2014/10/09 Javascript
node.js中的buffer.fill方法使用说明
2014/12/14 Javascript
工作中常用到的ES6语法
2018/09/04 Javascript
JS/HTML5游戏常用算法之碰撞检测 包围盒检测算法详解【矩形情况】
2018/12/13 Javascript
解决VUE mounted 钩子函数执行时 img 未加载导致页面布局的问题
2020/07/27 Javascript
python中的__slots__使用示例
2015/02/26 Python
详解Python的Django框架中的模版继承
2015/07/16 Python
使用Python读写文本文件及编写简单的文本编辑器
2016/03/11 Python
Python3利用SMTP协议发送E-mail电子邮件的方法
2017/09/30 Python
使用Python的Django和layim实现即时通讯的方法
2018/05/25 Python
python实现逐个读取txt字符并修改
2018/12/24 Python
Python设计模式之抽象工厂模式原理与用法详解
2019/01/15 Python
使用Python轻松完成垃圾分类(基于图像识别)
2019/07/09 Python
Python如何将装饰器定义为类
2020/07/30 Python
HTML5之SVG 2D入门10—滤镜的定义及使用
2013/01/30 HTML / CSS
H5 meta小结(前端必看篇)
2016/08/24 HTML / CSS
Clarks鞋美国官网:全球领军鞋履品牌
2017/05/13 全球购物
法拉利英国精品店:Ferraris Boutique UK
2019/07/20 全球购物
C语言编程练习
2012/04/02 面试题
JVM是一个编译程序还是解释程序
2012/09/11 面试题
金鑫耀Java笔试题
2014/09/06 面试题
销售人员个人求职信
2013/09/26 职场文书
蟋蟀的住宅教学反思
2014/04/26 职场文书
大学生求职信范文
2014/05/24 职场文书
坚守艰苦奋斗精神坚决反对享乐主义整改措施
2014/09/17 职场文书
2014年协会工作总结
2014/11/22 职场文书
2015小学五年级班主任工作总结
2015/05/21 职场文书
python munch库的使用解析
2021/05/25 Python
React中的Context应用场景分析
2021/06/11 Javascript