背景：

MLPClassifier() BP

这个暑假有幸接触到Anaconda，甚至不知道具体怎么念，自己慢慢瞎摸乱搜慢慢学嘛。这个sklearn库，有点厉害。只需调用通过参数，解放了双手去编算法，得以零基础用机器学习。
本渣渣来到弗兰脸上容易长痘。自己平常喜欢将各种生活状态量化表示。遂有了自己的一个小excel。这个数据集100多天。
于是，我决定对尝试下跨学科来进行医疗与机器学习。自己做的没什么价值的，但万一言者无心，听者有意呢。

处理过程：

数据集

尽管数据少，而且我只用了辣椒和油炸两个因素。我尝试加进去起床时间、天气，严重拉低预测率，遂放弃。但睡眠时间也是稍微拉低一点。
首先展示部分样本，我只用了油炸、辣椒两个参数。（本人数据链接:https://pan.baidu.com/s/1kepl3NJm26IKbFOVSYdzqw 提取码:2h45）

证明下痘痘数据的真实性（自己每天记录），还是有点正态分布特征：

我通过这个直方图将痘痘分为2，3，4，5。4个等级

数据标准化：

Excel标准化：

痘痘评分按上直方图进行量化后
睡眠时间先转浮点再通过excel表的if else if else…语句统一标准化

python的StandardScaler()标准化：

再次统一对训练数据进行标准化操作

代码时刻：

# -*- coding: utf-8 -*-
"""
Created on Tue Sep  3 19:10:07 2019
使用BP神经网络模型
@author: yiqing
"""
#import numpy as np
import pandas as pd
#import matplotlib.pyplot as plt
from sklearn.metrics import classification_report
#from sklearn.metrics import roc_curve
#from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neural_network import MLPClassifier
#from sklearn.externals import joblibdef read():dates=pd.read_excel("D:\ziliao\jihua\日常记录3月.xlsx",sheet_name=1)print(dates.iloc[:98,16:19])#代表矩阵的16至19行 矩阵从（0，0）开始x_train=dates.iloc[30:79,17:19]print("xtrain:/n",x_train)y_train=dates.iloc[30:79,23]*10x_test=dates.iloc[80:129,17:19]y_test=dates.iloc[80:129,23]*10# 神经网络对数据尺度敏感，所以最好在训练前标准化，或者归一化，或者缩放到[-1,1]#数据标准化scaler = StandardScaler() # 标准化转换scaler.fit(x_test)  # 训练标准化对象x_test_Standard= scaler.transform(x_test)   # 转换数据集scaler.fit(x_train)  # 训练标准化对象x_train_Standard= scaler.transform(x_train)   # 转换数据集#bp=MLPClassifier(hidden_layer_sizes=(500, ), activation='relu', solver='lbfgs', alpha=0.0001, batch_size='auto', learning_rate='constant')bp.fit(x_train_Standard,y_train.astype('int'))y_predict=bp.predict(x_test_Standard)y_test1=y_test.tolist()y_predict=list(y_predict)#print(int(y_test1[1]))for i in range(len(y_test1)):y_test1[i]=int(y_test1[i])print('BP网络基于辣椒与油炸预测脸上痘痘评价报告：\n',classification_report(y_test.astype('int'),y_predict))print("真实数据：\t",y_test1)print("预测数据：\t",y_predict)if __name__ == "__main__":read()

运行结果：

BP网络基于辣椒与油炸预测脸上痘痘评价报告：precision    recall  f1-score   support2       0.00      0.00      0.00         03       0.50      0.30      0.37        104       0.85      0.89      0.87        38avg / total       0.78      0.77      0.77        48真实数据：    [4, 4, 4, 4, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 3, 3, 3, 4, 4, 3]
预测数据：    [4, 4, 4, 4, 3, 3, 4, 4, 4, 4, 4, 4, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 2, 4, 2, 4]

结论：

（瞎扯的）
1）总预测率 78%还是不错的，主要原因大部分都是4,太稳定了，数据还是太少，想预测难都难
2）油炸与辣椒较影响痘痘，但相关性不是特别强。
3）go to bed时刻与总睡眠时长次之
4）天气、起床时间毫无关系
5) 我觉得应该痘痘与前好几天的饮食有关，正所谓冰冻一尺非一日之寒。
6) 个人认为：情绪状况、饮水、每日洗脸状况也可考虑在内。
7) 一方水土养一方人，回家不长痘，觉得这是在家喝粥，在学校不喝粥主稻造成也有点关系
8）用药。很有用。不过我没记录那几天
9）自己记录有失偏颇，无打分量准，完全看心情。

python调用sklearn库BP神经网络基于小样本进行痘痘预测尝试相关推荐

BP神经网络——基于近红外光谱的汽油辛烷值预测
BP神经网络--基于近红外光谱的汽油辛烷值预测问题描述获取数据解题思路及步骤 1.产生训练集/测试集 2.创建/训练BP神经网络及仿真测试 3.性能评价 4.绘图 Matalab代码问题描述 ...
python 调用 so 库需要注意的地方
2019独角兽企业重金招聘Python工程师标准>>> 使用C++而不是C来编写so库时往往会遇到一些问题,这里着重探讨一下linux环境下C++编写so库及python调用so库 ...
Python安装sklearn库时出现异常：ERROR: Could not install packages due to an EnvironmentError: [Errno 2]
文章目录一.问题描述二.问题解决一.问题描述今天在学习python机器学习时,需要安装python的sklearn库,在安装的过程中出现了以下错误上CSDN上找了好多文章,都没办法解决问题 ...
python 神经网络多进程_使用python实现一段bp神经网络后，由于数据量增多（76条），出现nan报错...
使用python实现一段bp神经网络后,由于数据量增多(76条),出现nan报错代码如下: # coding:utf-8 import numpy as np import matplotlib.p ...
Python调用C库及进程形式启动C的线程
Python调用C库的线程则比lua好多了,只是lua的体量比较小,python就要大一点,python使用ctypes调用C库(注意这里就不同于lua需要以lua形式提供c接口,python可以直 ...
PSCAD通过python调用自动化库的实现
带有python脚本的pscad自动化 PSCAD通过python调用自动化库的实现前期准备实现导入项目官方例子 PSCAD通过python调用自动化库的实现在网上搜了一圈没有找到,通过油管 ...
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 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 MLPC ...
【视频】Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析|数据分享...
全文下载链接:http://tecdat.cn/?p=23544 在本文中,长短期记忆网络--通常称为"LSTM"--是一种特殊的RNN递归神经网络,能够学习长期依赖关系(点击文末 ...
Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析
原文链接:http://tecdat.cn/?p=23544 下面是一个关于如何使用长短期记忆网络(LSTM)来拟合一个不平稳的时间序列的例子. 每年的降雨量数据可能是相当不平稳的.与温度不同,温度 ...
RBF神经网络——基于近红外光谱的汽油辛烷值预测
RBF神经网络--基于近红外光谱的汽油辛烷值预测问题描述辛烷值是汽油最重要的品质指标,传统的实验室检测方法存在样品用量大.测试周期长和费用高等问题,不适用与生产控制,特别是在线测试,近红外光谱分析 ...

python调用sklearn库BP神经网络基于小样本进行痘痘预测尝试

python调用sklearn库BP机器学习基于小样本进行痘痘预测尝试

背景：