深度学习实战2-(keras框架)企业信用评级与预测
深度学习框架如果仔细研究,其实难度没有想象中的那么大,今天我给大家带来一个深度学习框架keras简单的实战项目:企业信用评级与预测。
企业信用评级目前是一个完整的体系,包括信用评级的要素和指标、信用评级的等级和标准、信用评级的方法和模型等方面的内容。信用评级指标是根据企业的各个指标进行综合评分,这里涉及的指标维度较多,今天我们来做一个简单的信用评级模型,抽象了几个标准化的数据指标,下面是详细流程:
一、引入库包
import numpy as np
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation
import matplotlib .pyplot as plt
import pandas as pd
import csv
二、导入数据
data = pd.read_csv('train_new.csv',encoding = 'utf-8')
数据模型如下表:
三、数据预处理
#提取数据特性x1,x2,x3,x4,作为训练集
train = data[['x1','x2','x3','x4']]#设置标签值 one-hot编码
y_train= np.zeros((len(data),5),dtype = np.int)
for i in range(len(data)):y_train[i][data['class'][i]]=1
print(np.array(y_train))
数据中"class"字段中0表示"A"级别,1表示"B"级别,2表示"C"级别,3表示"D"级别,4表示"E"级别.
以上数据进行了one-hot 编码,one-hot 编码类似于虚拟变量(dummy variables),是一种将分类变量转换为几个二进制列的方法。其中 1 代表某个输入属于该类别。
四、构建神经网络模型
model=Sequential()
model.add(Dense(input_dim=4,units=666,activation='relu'))
model.add(Dropout(0.5)) # Dropout(0.5) 表示随机丢弃50%的神经元,防止过拟合
model.add(Dense(units=666,activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(units=666,activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(units=5,activation='softmax')) #输出层 输出5个等级结果
五、训练模型
model.compile(loss='mse',optimizer='adam',metrics=['acc'])
history = model.fit(train,y_train,batch_size=123,epochs=500,validation_split=0.2) #训练500次
六、模型评估
weights = np.array(model.get_weights())
result2=model.evaluate(train,y_train)#绘制图形函数
def show_train_history(history,train,validation):plt.plot(history.history[train])plt.plot(history.history[validation])plt.title('Train History')plt.ylabel(train)plt.xlabel('Epoch')plt.legend(['train','validation'],loc='upper left')plt.show()
七、验证集与测试集检验
show_train_history(history,'acc','val_acc')
损失函数图像
show_train_history(history,'loss','val_loss')
训练结果:[0.039951469749212265, 0.8893280625343323]
损失值 loss: 0.03995,准确率 acc: 0.8893
八、测试集检验结果
with open('test.csv', encoding='utf-8-sig') as f:reader = csv.reader(f)for j in reader:test.append(list(map(float,j)))test1=np.array(test)# print(np.shape(BB))pre=model.predict(test1)
print(pre)
预测结果基本满足项目要求,待读可以自己训练次数多于500,准确率可能会继续提升。
获取数据集,请私信我,更多实战内容请关注我,谢谢。
往期作品:
深度学习实战项目
1.深度学习实战1-(keras框架)企业数据分析与预测
2.深度学习实战2-(keras框架)企业信用评级与预测
3.深度学习实战3-文本卷积神经网络(TextCNN)新闻文本分类
4.深度学习实战4-卷积神经网络(DenseNet)数学图形识别+题目模式识别
5.深度学习实战5-卷积神经网络(CNN)中文OCR识别项目
6.深度学习实战6-卷积神经网络(Pytorch)+聚类分析实现空气质量与天气预测
7.深度学习实战7-电商产品评论的情感分析
8.深度学习实战8-生活照片转化漫画照片应用
9.深度学习实战9-文本生成图像-本地电脑实现text2img
10.深度学习实战10-数学公式识别-将图片转换为Latex(img2Latex)
11.深度学习实战11(进阶版)-BERT模型的微调应用-文本分类案例
12.深度学习实战12(进阶版)-利用Dewarp实现文本扭曲矫正
13.深度学习实战13(进阶版)-文本纠错功能,经常写错别字的小伙伴的福星
14.深度学习实战14(进阶版)-手写文字OCR识别,手写笔记也可以识别了
15.深度学习实战15(进阶版)-让机器进行阅读理解+你可以变成出题者提问
16.深度学习实战16(进阶版)-虚拟截图识别文字-可以做纸质合同和表格识别
17.深度学习实战17(进阶版)-智能辅助编辑平台系统的搭建与开发案例
18.深度学习实战18(进阶版)-NLP的15项任务大融合系统,可实现市面上你能想到的NLP任务
19.深度学习实战19(进阶版)-ChatGPT的本地实现部署测试,自己的平台就可以实现ChatGPT
...(待更新)
深度学习实战2-(keras框架)企业信用评级与预测相关推荐
- 深度学习实战1-(keras框架)企业数据分析与预测
大家好,我是微学AI,今天给大家带来深度学习框架keras的实战项目,用于基本的企业数据分析,预测企业净利润情况,并利用灰色预测函数GM11进行预测模型.我们拿到企业数据,这里参数抽象成x1-x9,y ...
- 深度学习实战3-文本卷积神经网络(TextCNN)新闻文本分类
文章目录 一.前期工作 1. 设置GPU 2. 导入预处理词库类 二.导入预处理词库类 三.参数设定 四.创建模型 五.训练模型函数 六.测试模型函数 七.训练模型与预测 今天给大家带来一个简单的中文 ...
- 深度学习实战14(进阶版)-手写文字OCR识别,手写笔记也可以识别了
大家好,我是微学AI,今天给大家带来手写OCR识别的项目.手写的文稿在日常生活中较为常见,比如笔记.会议记录,合同签名.手写书信等,手写体的文字到处都有,所以针对手写体识别也是有较大的需求.目前手写体 ...
- 深度学习实战6-卷积神经网络(Pytorch)+聚类分析实现空气质量与天气预测
文章目录 一.前期工作 导入库包 导入数据 主成分分析(PCA) 聚类分析(K-means) 二.神经网络模型建立 三.检验模型 大家好,我是微学AI,今天给大家带来一个利用卷积神经网络(pytorc ...
- 深度学习实战13(进阶版)-文本纠错功能,经常写错别字的小伙伴的福星
大家好,我是微学AI,我们在日常生活中,经常会写一些文稿,比如:会议纪要,周报,日报,汇报材料,这些文稿里我们会发现有时候出现拼写.语法.标点等错误:其中拼写错误的错别字占大部分. 经过初步统计:在微 ...
- 深度学习实战23(进阶版)-语义分割实战,实现人物图像抠图的效果(计算机视觉)
大家好,我是微学AI,今天给大家带来深度学习实战23(进阶版)-语义分割实战,实现人物图像抠图的效果.语义分割是计算机视觉中的一项重要任务,其目标是将图像中的每个像素都分配一个语义类别标签.与传统的目 ...
- 人工智能AI:TensorFlow Keras PyTorch MXNet PaddlePaddle 深度学习实战 part1
日萌社 人工智能AI:TensorFlow Keras PyTorch MXNet PaddlePaddle 深度学习实战 part1 人工智能AI:TensorFlow Keras PyTorch ...
- Keras深度学习实战(4)——深度学习中常用激活函数和损失函数详解
Keras深度学习实战(4)--深度学习中常用激活函数和损失函数详解 常用激活函数 Sigmoid 激活函数 Tanh 激活函数 ReLU 激活函数 线性激活函数 Softmax 激活函数 损失函数 ...
- Keras深度学习实战(3)——神经网络性能优化技术详解
Keras深度学习实战(3)--神经网络性能优化技术详解 0. 前言 1. 缩放输入数据集 1.1 数据集缩放的合理性解释 1.2 使用缩放后的数据集训练模型 2. 输入值分布对模型性能的影响 3. ...
最新文章
- 从不同视角筛选数据:可视化之前最关键的工作
- Could not find artifact com.sun:tools:jar:1.5.0 解决办法
- 6 SystemVerilog语言编写售货机
- 基于JAVA+Spring+MYSQL的家教管理系统
- java mongodb 副本集,MongoDB副本集
- mysql默认dba_DBA 基本常识 - 安装完 MySQL 后必须调整的 10 项配置 - iTeknical
- (笔记)涉及到的WinAPI函数
- DVWA教程实践之Brute Force
- Android addr2line 工具使用
- 海康直连工具 海康测试工具,工程宝测试软件等
- MCS—51汇编语言程序
- 斐讯空气检测仪M1使用Easylink配置WIFI的图文教程
- 科学可视化与信息可视化
- 有这5款开源软件,语音转文字很简单!
- 刷题总结——松鼠的新家(bzoj3631)
- 张晓飞ajax聊天室,张晓飞
- MD5常用方法,不积硅步无以至千里
- MIPCMS-005高仿JustNews自适应博客资讯模版
- 基于Java日月星养老院管理系统的设计与实现
- Apache安装教程,安装Web服务软件,使自己的电脑变成服务器,并且在局域网内可以被访问。
热门文章
- 我是如何逐步学会“好好说话”的
- 【kafka连载一】window10搭建单机kafka服务
- 用于过滤aar中冲突类(class)和so库的脚本,也可以用来过滤jar中冲突class
- 简明Python教程(面向对象)
- 学习笔记:关于医学图像配准,以及腹部 CT、X线、MRI等图像的一些问题 持续更新
- https://blog.csdn.net/m0_46128094/article/details/115002055?spm=1001.2014.3001.5501
- 虚幻引擎5 AR开发教程02:构建和测试AR Android App
- 亲爱的你是我今生等待的人
- U盘打不开了如何恢复数据
- Wifidog入门教程