Python实现BP神经网络ANN单隐层分类模型项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取。
1.项目背景
BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念,是一种按照误差逆向传播算法训练的多层前馈神经网络,是应用最广泛的神经网络模型之一。
BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力,解决了简单感知器不能解决的异或(Exclusive OR,XOR)和一些其他问题。从结构上讲,BP网络具有输入层、隐藏层和输出层;从本质上讲,BP算法就是以网络误差平方为目标函数、采用梯度下降法来计算目标函数的最小值。
本项目通过BP神经网络ANN单隐层来搭建分类模型,通过对人群的判断从而达到降本增效的目的。
2.数据获取
本次建模数据来源于网络(本项目撰写人整理而成),数据项统计如下:
数据详情如下(部分展示):
3.数据预处理
3.1 用Pandas工具查看数据
使用Pandas工具的head()方法查看前五行数据:
关键代码:
3.2 数据缺失查看
使用Pandas工具的info()方法查看数据信息:
从上图可以看到,总共有9个变量,数据中无缺失值,共1000条数据。
3.3 数据描述性统计
通过Pandas工具的describe()方法来查看数据的平均值、标准差、最小值、分位数、最大值。
关键代码如下:
4.探索性数据分析
4.1 y变量柱状图
用Matplotlib工具的plot()方法绘制柱状图:
4.2 y=1样本x1变量分布直方图
用Matplotlib工具的hist()方法绘制直方图:
4.3 相关性分析
从上图中可以看到,数值越大相关性越强,正值是正相关、负值是负相关。
5.特征工程
5.1 建立特征数据和标签数据
关键代码如下:
5.2 数据集拆分
通过train_test_split()方法按照80%训练集、20%测试集进行划分,关键代码如下:
6.构建BP神经网络分类模型
主要使Dense全连接层网络,用于目标分类。
6.1 模型构建
6.2 神经网络的结构信息
通过上图可以看到,神经网络总共有3层,输入层、一个隐藏层、输出层,其中训练的参数为721个。
6.3 神经网络的迭代信息
通过上图可以看到,神经网络每次迭代训练集和验证集的损失值、准确率。
6.4 训练集和验证集损失与准确率迭代图
通过上图可以看到,随着迭代次数的增加,训练集和验证集损失逐渐减少,准确率增减增加。
7. 模型评估
7.1 评估指标及结果
评估指标主要包括准确率、查准率、查全率(召回率)、F1分值等等。
通过上表可以看到,模型的准确率为96%,F1分值为0.9588,模型效果良好。
7.2 分类报告
从上图可以看出,分类为0的F1分值为0.96;分类为1的F1分值为0.96。
7.3 混淆矩阵
从上图可以看出,实际为0预测不为0的 有8个样本;实际为1 预测不为1的 有2个样本。
8.结论与展望
综上所述,本文采用了BP神经网络ANN单隐层算法搭建了分类模型并对模型进行了评估,最终证明了我们提出的模型效果良好。
本次机器学习项目实战所需的资料,项目资源如下:
项目说明:
链接:https://pan.baidu.com/s/1dW3S1a6KGdUHK90W-lmA4w
提取码:bcbp
Python实现BP神经网络ANN单隐层分类模型项目实战相关推荐
- Python实现BP神经网络ANN单隐层回归模型项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景 20世纪80年代中期,David Runelhart.Geoff ...
- Python实现PSO粒子群优化循环神经网络LSTM分类模型项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景 PSO是粒子群优化算法(Particle Swarm Optim ...
- Python基于PyTorch实现BP神经网络ANN分类模型项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景 在人工神经网络的发展历史上,感知机(Multilayer Per ...
- 单隐层神经网络 python_单隐层前馈神经网络,single hidden-layer feeclforward neural networks,在线英语词典,英文翻译,专业英语...
补充资料:Hopfield神经网络模型 Hopfield神经网络模型 Hopfield neural network model 收敛于稳定状态或Han加Ing距离小于2的极限环. 上述结论保证了神经 ...
- Python基于PyTorch实现BP神经网络ANN回归模型项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景 在人工神经网络的发展历史上,感知机(Multilayer Per ...
- 深度学习笔记:手写一个单隐层的神经网络
出处:数据科学家养成记 深度学习笔记2:手写一个单隐层的神经网络 笔记1中我们利用 numpy 搭建了神经网络最简单的结构单元:感知机.笔记2将继续学习如何手动搭建神经网络.我们将学习如何利用 num ...
- 神经网络与深度学习三:编写单隐层神经网络
三:编写单隐层神经网络 1 神经网络概述 这篇文章你会学到如何实现一个神经网络,在我们深入学习技术细节之前,现在先大概快速的了解一下如何实现神经网络,如果你对某些内容不甚理解(后面的文章中会深入其中的 ...
- 手写单隐层神经网络_鸢尾花分类(matlab实现)
文章目录 思路 留言 效果 代码 mian split training testing 思路 sigmoid函数做激活函数 二分类交叉熵做损失函数 mian函数:数据预处理 split函数:数据集分 ...
- 理解单隐层ReLU神经网络的全局损失
摘要 对于单一隐层ReLU神经网络,我们展示在每个可微区间内都是全局极小值.这些局部极小是否唯一可微,取决于数据,隐藏神经元的激活模式,网络大小.我们给出一个是否局部极小值存在它们的定义的区域内的 ...
最新文章
- async/await的实质理解
- python约束 与MD5加密写法
- 协议crc计算_从零了解modbus协议 第三篇
- python默认编码方式_关于设置python默认编码方式的问题
- css按钮居中_你不一定知道的CSS最小和最大(宽度/高度)知识点及优缺点
- 全国315个城市,用python爬取肯德基老爷爷的店面信息
- angularjs的基础知识
- ue4 设置intellisence_UE4的配置界面写入
- prometheus源码阅读 - target管理
- [机器学习]-[数据预处理]-中心化 缩放 KNN(二)
- thikPHP框架部署
- JVM 类加载机制详解
- Docker客户端连接Docker Daemon的方式
- pycharm新建python文件快捷键_Pycharm快捷键
- javascript之函数的定义传参
- Matlab快速导入数据文件
- 天天果园成为Zespri 佳沛奇异果直接经销商
- svn更新代码提示“系统找不到指定路径”
- 7.Python 文件I/O
- linux jsp 编译报错,JSP简要介绍
热门文章
- 虾皮春节期间的发货问题和物流设置
- UnicodeDecodeError: ‘utf-8‘ codec can‘t decode byte 0xca in position 358: in
- 树莓派入门(一) - 下载安装系统镜像,Raspbian和Centos
- 【转载】Android 面试总结
- 三极管工作原理分析,精辟、透彻
- 新一代网络技术与课程建设师资培训感悟
- 【vue大师晋级之路第一集:Vue基础】第8章——事件处理
- wasc honeypot
- python系列教程91
- 乐观锁和悲观锁的简单实现