Python机器学习Sklearn入门之神经网络

MLP 神经网络算法

MLP 神经网络算法函数位于 neural_network 神经网络模块，函数名是 MLPClassifier，接口是

MLPClassifier(hidden_layer_size = (100,),activation = 'relu',solver = 'adam',alpha = 0.0001,batch_size = 'auto',learning_rate = 'constant',learning_rate_init = 0.001,power_t = 0.5,max_iter = 200,shuffle = True,random_state = None,tol = 0.0001,verbose = False,warm_start = False,momentum = 0.9,nesterovs_momentum = True,early_stopping = False,validation_fraction = 0.1,beta_1 = 0.9,beta_2 = 0.999,epsilon = 1e-08)

建模、预测

#2
print('\n2# 建模')
mx =zai.mx_MLP(x_train.values,y_train.values)#3
print('\n3# 预测')
y_pred = mx.predict(x_test.values)
df9['y_predsr']=y_pred
df9['y_test'],df9['y_pred']=y_test,y_pred
df9['y_pred']=round(df9['y_predsr']).astype(int)

mx_MLP() 函数

def mx_MLP(train_x,train_y):mx = MLPClassifier()mx.fit(train_x,train_y)return mx

保存数据结果并显示信息

#4
df9.to_csv('tmp/iris_9.csv',index=False)
print('\n4# df9')
print(df9.tail())

输出

4# df9x1   x2   x3   x4  y_predsr  y_test  y_pred
33  6.4  2.8  5.6  2.1         1       1       1
34  5.8  2.8  5.1  2.4         1       1       1
35  5.3  3.7  1.5  0.2         2       2       2
36  5.5  2.3  4.0  1.3         3       3       3
37  5.2  3.4  1.4  0.2         2       2       2

检验测试结果

#5
dacc=zai.ai_acc_xed(df9,1,False)
print('\n5# mx:mx_sum,kok:{0:.2f}%'.format(dacc))

输出

5# mx:mx_sum,kok:94.74%

不过，MLP 神经网络算法每次运行的结果是不同的

再运行一次，结果

4# df9x1   x2   x3   x4  y_predsr  y_test  y_pred
33  6.4  2.8  5.6  2.1         1       1       1
34  5.8  2.8  5.1  2.4         1       1       1
35  5.3  3.7  1.5  0.2         2       2       2
36  5.5  2.3  4.0  1.3         3       3       3
37  5.2  3.4  1.4  0.2         2       2       25# mx:mx_sum,kok:97.37%

MLP_reg 神经网络回归算法

MLP_reg 神经网络算法函数位于 neural_network 神经网络模块，函数名是 MLPRegressor，接口是

MLPRegressor(hidden_layer_size = (100,),activation = 'relu',solver = 'adam',alpha = 0.0001,batch_size = 'auto',learning_rate = 'constant',learning_rate_init = 0.001,power_t = 0.5,max_iter = 200,shuffle = True,random_state = None,tol = 0.0001,verbose = False,warm_start = False,momentum = 0.9,nesterovs_momentum = True,early_stopping = False,validation_fraction = 0.1,beta_1 = 0.9,beta_2 = 0.999,epsilon = 1e-08)

建模、预测

#2
print('\n2# 建模')
mx =zai.mx_MLP_reg(x_train.values,y_train.values)#3
print('\n3# 预测')
y_pred = mx.predict(x_test.values)
df9['y_predsr']=y_pred
df9['y_test'],df9['y_pred']=y_test,y_pred
df9['y_pred']=round(df9['y_predsr']).astype(int)

mx_MLP_reg() 函数

def mx_MLP_reg(train_x,train_y):mx = MLPRegressor()mx.fit(train_x,train_y)return mx

保存数据结果并显示信息

#4
df9.to_csv('tmp/iris_9.csv',index=False)
print('\n4# df9')
print(df9.tail())

输出

4# df9x1   x2   x3   x4  y_predsr  y_test  y_pred
33  6.4  2.8  5.6  2.1  2.571980       1       3
34  5.8  2.8  5.1  2.4  2.323973       1       2
35  5.3  3.7  1.5  0.2  1.488991       2       1
36  5.5  2.3  4.0  1.3  2.100562       3       2
37  5.2  3.4  1.4  0.2  1.469982       2       1

检验测试结果

#5
dacc=zai.ai_acc_xed(df9,1,False)
print('\n5# mx:mx_sum,kok:{0:.2f}%'.format(dacc))

输出

5# mx:mx_sum,kok:44.74%

不过，MLP_reg 神经网络算法每次运行的结果是不同的

再运行一次，结果

4# df9x1   x2   x3   x4  y_predsr  y_test  y_pred
33  6.4  2.8  5.6  2.1  2.373282       1       2
34  5.8  2.8  5.1  2.4  2.322128       1       2
35  5.3  3.7  1.5  0.2  1.929890       2       2
36  5.5  2.3  4.0  1.3  1.909459       3       2
37  5.2  3.4  1.4  0.2  1.855990       2       25# mx:mx_sum,kok:34.21%

Python机器学习入门源代码和数据集请点这里

Python机器学习Sklearn入门之神经网络相关推荐

Python机器学习算法入门教程（三）
Python机器学习算法入门教程(三) 构建线性回归模型一次函数构建线性模型假设函数图像梯度下降求极值导数偏导数梯度下降 sklearn应用线性回归算法实现线性回归算法准备数据线性 ...
python机器学习-sklearn挖掘乳腺癌细胞（五）
python机器学习-sklearn挖掘乳腺癌细胞( 博主亲自录制) 网易云观看地址 https://study.163.com/course/introduction.htm?courseId=10 ...
Python机器学习算法入门教程（四）
Python机器学习算法入门教程(四) 文章目录 Python机器学习算法入门教程(四) Logistic回归算法(分类问题) 什么是分类问题? Logistic回归算法数学解析Logistic回归 ...
Python机器学习算法入门教程（一）
Python机器学习算法入门教程 Python机器学习教程特点什么是人工智能? 写在前面的话人工智能应用人工智能发展简史 1.第一次兴起 2.第二次发展 3.第三次崛起机器学习&深度 ...
python机器学习快速入门
机器学习快速入门这是机器学习小白在csdn更新的第一篇文,课程学习资料来源于黑马程序员的3天快速入门python机器学习课程.由于本小白在学完特征工程后转去看吴恩达在coursera的机器学习课程 ...
python快速入门 pdf-零起点PYTHON机器学习快速入门 PDF |网盘链接下载|
资料目录: 第 1 章从阿尔法狗开始说起1 1.1 阿尔法狗的前世今生.......1 1.2 机器学习是什么.....2 1.3 机器学习大史记.....3 1.4 机器学习经典案例....... ...
零起点python_零起点PYTHON机器学习快速入门 PDF |网盘链接下载|
资料目录: 第 1 章从阿尔法狗开始说起1 1.1 阿尔法狗的前世今生.......1 1.2 机器学习是什么.....2 1.3 机器学习大史记.....3 1.4 机器学习经典案例....... ...
python机器学习--sklearn数据集使用
文章目录 1.sklearn介绍 2.基本概括 2.1 估计器 2.2 转化器 3.sklearn中iris莺尾花数据集使用 1.sklearn介绍 Scikit-learn(以前称为scikits. ...
Python机器学习算法入门指南(全)
前言机器学习作为人工智能领域的核心组成,是计算机程序学习数据经验以优化自身算法,并产生相应的"智能化的"建议与决策的过程. 一个经典的机器学习的定义是: A computer ...

Python机器学习Sklearn入门之神经网络

Python机器学习Sklearn入门之神经网络

MLP 神经网络算法

MLP_reg 神经网络回归算法

Python机器学习Sklearn入门之神经网络相关推荐

最新文章

热门文章