1. 数据集

这里主要采用sklearn自带的波士顿房价预测的数据集

from sklearn.datasets import load_boston
boston = load_boston()
data = boston['data']  # shape=(506, 13)
target = boston['target']  # shape=(506,)
# print(boston['DESCR'])

2. 划分数据集

划分数据集，将样本划分为训练集和验证集

from sklearn.model_selection import train_test_split
train_data, test_data, train_target, test_target = train_test_split(data, target, test_size=0.2, random_state=42)
# 训练集和测试集的shape：(404, 13)与 (102, 13)

对训练集进行标准化，同时将标准化的规则应用到验证集

from sklearn.preprocessing import StandardScaler
std = StandardScaler()
train_data_std = std.fit_transform(train_data)
test_data_std = std.transform(test_data)

3. 构建模型

regr = MLPRegressor(solver='adam', hidden_layer_sizes=(50, 50), activation='tanh', max_iter=5000).fit(train_data_std, train_target)
y_pred = regr.predict(test_data_std)

4. 评价回归模型

关于回归模型的评价指标如下：

方法名称	最优值	sklearn函数
平均绝对误差	0.0	sklearn.metrics.mean_absolute_error
均方误差	0.0	sklearn.metrics.mean_squared_error
中值绝对误差	0.0	sklearn.metrics.median_absolute_error
可解释方差值	1.0	sklearn.metrics.explained_variance_score
R 2 R^2 R2值	1.0	sklearn.metrics.r2_score

其中，平均绝对误差、均方误差、中值绝对误差的值越接近0，模型性能越好。可解释方差值和 R 2 R^2 R2值越接近1，模型性能越好。

此处采用平均绝对误差作为评价指标

error = mean_absolute_error(test_target, y_pred)
print(error)  # 2.3726167664920306

以折线图展示预测值与真实值

plt.figure()
plt.plot(range(len(y_pred)), y_pred, color='blue')
plt.plot(range(len(y_pred)), test_target, color='red')
plt.show()

sklearn神经网络回归示例相关推荐

sklearn线性回归,支持向量机SVR回归,随机森林回归,神经网络回归参数解释及示例
1.sklearn线性回归线性回归,其中目标值 y 是输入变量 x 的线性组合. 在数学概念中,如果是预测值. 在整个模块中,我们定义向量作为 coef_ ,定义作为 intercept ...
logisticregression参数_通俗地说逻辑回归【Logistic regression】算法（二）sklearn逻辑回归实战...
前情提要: 通俗地说逻辑回归[Logistic regression]算法(一) 逻辑回归模型原理介绍上一篇主要介绍了逻辑回归中,相对理论化的知识,这次主要是对上篇做一点点补充,以及介绍sklear ...
TensorFlow2.0(三)--Keras构建神经网络回归模型
Keras构建神经网络回归模型 1. 前言 1. 导入相应的库 2. 数据导入与处理 2.1 加载数据集 2.2 划分数据集 2.3 数据归一化 3. 模型构建与训练 3.1 神经网络回归模型的构建 ...
神经网络测试集loss不下降_代码实践 | 全连接神经网络回归---房价预测
学习目录阿力阿哩哩:深度学习 | 学习目录zhuanlan.zhihu.com 前面我们介绍了: 阿力阿哩哩:深度学习开端|全连接神经网络zhuanlan.zhihu.com 4.7代码实践 & ...
python机器学习库sklearn——神经网络
分享一个朋友的人工智能教程.零基础!通俗易懂!风趣幽默!还带黄段子!大家可以看看是否对自己有帮助:点击打开 docker/kubernetes入门视频教程全栈工程师开发手册 (作者:栾鹏) pyth ...
神经网络-回归（Python）
神经网络-回归(Python) 回归与神经网络简介回归分析神经网络神经网络学习算法原理监督学习和无监督学习多层感知器--MLP BP神经网络代码实现(利用sklearn库) 根据算法写出B ...
sklearn神经网络分类
sklearn神经网络分类神经网络学习能力强大,在数据量足够,隐藏层足够多的情况下,理论上可以拟合出任何方程. 理论部分 sklearn提供的神经网络算法有三个: neural_network.Be ...
深度神经网络回归_深度神经网络
深度神经网络回归深度神经网络 (Deep Neural Networks) A deep neural network (DNN) is an ANN with multiple hidden la ...
sklearn解决回归问题
这里只是大致统计一下利用sklearn做回归的方法选择, 后续进行案例分析. 方法: # 线性回归 from sklearn.linear_model import LinearRegression ...

sklearn神经网络回归示例

1. 数据集

2. 划分数据集

3. 构建模型

4. 评价回归模型

sklearn神经网络回归示例相关推荐

最新文章

热门文章