python3.5下运行

#-*- coding: utf-8 -*-import pandas as pd
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'inputfile = '../data/sales_data.xls'
data = pd.read_excel(inputfile, index_col = u'序号')
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)from keras.models import Sequential
from keras.layers.core import Dense, Activationmodel = Sequential()
#model.add(Dense(input_dim = 3, output_dim = 10))
model.add(Dense(units=10, input_dim=3))
model.add(Activation('relu'))
#model.add(Dense(input_dim = 10, output_dim = 1))
model.add(Dense(input_dim=10, units=1))
model.add(Activation('sigmoid'))model.compile(loss = 'binary_crossentropy', optimizer = 'adam', class_mode = 'binary')model.fit(x, y, epochs = 1000, batch_size = 10)
yp = model.predict_classes(x).reshape(len(y))
from cm_plot import *
cm_plot(y,yp).show()

sales_data.xls

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
25	坏	是	否	低
26	好	否	是	低
27	好	否	是	低
28	坏	否	否	低
29	坏	否	否	低
30	好	否	否	低
31	坏	是	否	低
32	好	否	是	低
33	好	否	否	低
34	好	否	否	低

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
25	坏	是	否	低
26	好	否	是	低
27	好	否	是	低
28	坏	否	否	低
29	坏	否	否	低
30	好	否	否	低
31	坏	是	否	低
32	好	否	是	低
33	好	否	否	低
34	好	否	否	低

5-3 神经网络算法预测销量高低（改进版，消除了一些warning）相关推荐

1. 神经网络真实值和预测值,神经网络算法预测股票

   如何人工神经网络来预测下一个数值 newff函数建立BP神经网络,历史数据作为样本,例如前n个数据作为输入,输入节点为n.当前数据作为p,输出节点为1.隐层节点根据试凑法得到. 通过matlab的tr ...

2. python实现bp神经网络预测,神经网络算法预测彩票

   神经网络预测双色球有多靠谱 你好,这东西没人会预测.如果真会预测,早就成为百万富翁了.预测这东西我早就不信了,上一回在网站上,看别人预测,结果买了,连一个号码都没对上.楼主真要买,就权当是献爱心吧. ...

3. 5-2 决策树算法预测销量高低代码

   #-*- coding: utf-8 -*- import pandas as pdinputfile = '../data/sales_data.xls' data = pd.read_excel( ...

4. 基于模糊神经网络算法预测电价（Matlabd代码实现）

5. 数据挖掘-分类与预测-神经网络算法

   代码来源:Python数据分析与挖掘实战 # -*- coding: utf-8 -*- # 使用神经网络算法预测销量高低import sys reload(sys) sys.setdefaulten ...

6. 神经网络算法的关键参数,神经网络预测时间序列

   神经网络预测安全系数 首先建立一种较简单的神经网络预测安全系数模型,以验证该方法用于露天井工联合开采煤岩边坡分析时的可行性. 6.4.3.1露天井工联合开采边坡稳定性影响因素确定及其预处理诸多因素影响 ...

7. 基于粒子群PSO优化灰色神经网络的鞋销量预测

   目标 背影 灰色模型原理 神经网络原理 灰色神经网络原理 粒子群算法的原理 粒子群改进灰色神经网络原理 基于粒子群PSO优化灰色神经网络的鞋销量预测 效果图 结果分析 展望 参考 背影 提前预测销量, ...

8. DL之CNN：利用卷积神经网络算法(2→2,基于Keras的API-Functional)利用MNIST(手写数字图片识别)数据集实现多分类预测

   DL之CNN:利用卷积神经网络算法(2→2,基于Keras的API-Functional)利用MNIST(手写数字图片识别)数据集实现多分类预测 目录 输出结果 设计思路 核心代码 输出结果 下边两张 ...

9. DL之CNN：利用卷积神经网络算法(2→2,基于Keras的API-Sequential)利用MNIST(手写数字图片识别)数据集实现多分类预测

   DL之CNN:利用卷积神经网络算法(2→2,基于Keras的API-Sequential)利用MNIST(手写数字图片识别)数据集实现多分类预测 目录 输出结果 设计思路 核心代码 输出结果 1.10 ...

最新文章

1. 详解 Tomcat 的连接数与线程池
2. SSE4.1和SSE4.2 Intrinsics各函数介绍
3. Netty之SimpleChannelInboundHandler
4. 【pmcaff】苏杰：产品经理对技术做这些，就完蛋了
5. DCMTK：OFOptional的单元测试
6. C#中开发之Socket网络编程TCP/IP层次模型、端口及报文等探讨
7. java 连接kafka_设置多个kafka连接接收器
8. Hadoop 安装目录及配置
9. 【AI视野·今日Robot 机器人论文速览 第五期】Thu, 10 Jun 2021
10. 这回把Spring @Async彻底搞懂了
11. mabatis的工作原理
12. 计算机系统操作工 初级,计算机系统操作工国家职业标准
13. 阿里矢量库的图标使用教程（在线，下载）
14. 软考中级软件设计师——数据库系统
15. Spring注解-@DependsOn
16. Kconfig内容（详细）总结附示例快速掌握
17. js图片自动循环播放
18. linux shell 中各种符号的含义
19. android 黑白屏问题
20. chatbot_Chatbot开发简介

热门文章

1. C/C+语言struct深层探索
2. 开发app用户协议_家电商城APP开发，方便用户选购家电商品
3. js遍历多层嵌套对象存在的JSO数据
4. react招聘项目——使用cookie实现项目自动登录功能
5. ambari集成mysql_Ambari 安装配置 MySql
6. MySql 连接报 SSL 警告问题
7. vue 动态设置背景图片
8. vue2.0 watch的注意事项
9. 音乐、视频播放模式切换实现方案及原理解析（基于vue、vuex、h5 audio）
10. 三维重建：SFM中BA的并行化