数据挖掘之人工神经网络

人工神经网络（Artificial Neural Networks, ANN）是模拟生物神经网络进行信息处理的一种数学模型。

激活函数主要分为域值函数（阶梯函数）、分段线性函数、非线性转移函数、Relu函数（计算简单、效果佳）。

人工神经网络的学习也称为训练，指神经网络在收到外部环境的刺激下调整神经网络的参数，使神经网络以一种新的方式对外部环境做出反应的过程。

目前，已有多种人工神经网络模型，常用来分类和预测的算法有BP神经网络（学习算法是 $\delta$ 学习规则，即误差校正学习算法）

举例：

数据样本如下：

#使用神经网络预测销量高低
import pandas as pd
data = pd.read_excel("sales_data.xls",index_col=u'序号')data[data==u'好'] = 1
data[data==u'是'] = 1
data[data==u'高'] = 1
data[data!=1] = 0x = 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() #建立模型
model.add(Dense(input_dim=3,output_dim=10))
model.add(Activation('relu')) #用relu函数作为激活函数，大幅提高准确度
model.add(Dense(input_dim=10,output_dim=1))
model.add(Activation('sigmoid')) #由于是0-1输出，用sigmoid函数作为激活函数model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])
#编译模型。由于二元分类，损失函数为binary_crossentropy。
#另外常用的损失函数还有mean_squared_error、categorical_crossentropy等
#求解方法用adam，还有sgd、rmsprop可选model.fit(x,y,nb_epoch=1000,batch_size=10) #训练模型，学习一千次
model.predict_classes(x).reshape(len(y)) #分类预测def cm_plot(y, yp): #混淆矩阵可视化函数from sklearn.metrics import confusion_matrix #导入混淆矩阵函数cm = confusion_matrix(y, yp) #混淆矩阵import matplotlib.pyplot as plt #导入作图库plt.matshow(cm, cmap=plt.cm.Greens) #画混淆矩阵图，配色风格使用cm.Greens，更多风格请参考官网。plt.colorbar() #颜色标签for x in range(len(cm)): #数据标签for y in range(len(cm)):plt.annotate(cm[x,y], xy=(x, y), horizontalalignment='center', verticalalignment='center')plt.ylabel('True label') #坐标轴标签plt.xlabel('Predicted label') #坐标轴标签return pltcm_plot(y,yp).show()

输出结果如下：

可以看出预测准确率为25/34=73.5%，预测准确率较低，是由于神经网络训练需要较多样本，这里是由于训练数据较少造成的。

另外，神经网络的拟合能力是很强的，容易出现过拟合现象。目前流行的防止过拟合的方法是随机让部分神经网络节点休眠。

数据挖掘之人工神经网络相关推荐

数据挖掘之人工神经网络BP算法
/*人工神经网络BP算法思想: 神经网络一般分为3层(也可以多层),包括输入层,隐含层和输出层.通过有监督的学习拟合非线性函数.假如输入层有3个神经元,隐含层有5个神经元,输出层有1个神经元.有监督的 ...
数据挖掘学习笔记之人工神经网络（一）
由于本人这段时间在学习数据挖掘的知识,学习了人工神经网络刚好就把学习的一些笔记弄出来,也为以后自己回头看的时候方便些. 神经网络学习方法对于逼近实数值.离散值或向量值的目标函数提供了一种健壮性很强的方 ...
数据挖掘人工神经网络,神经网络的数据处理
1.BP人工神经网络人工神经网络(artificialneuralnetwork,ANN)指由大量与自然神经系统相类似的神经元联结而成的网络,是用工程技术手段模拟生物网络结构特征和功能特征的一类人工 ...
【Python数据分析】数据挖掘建模——分类与预测——人工神经网络
人工神经网络(artificial neural networks,ANNs),是模拟生物神经网络进行信息处理的一种数学模型. 一.人工神经网络简介更多关于神经网络的发展可以参考:人工神经网络简介_ ...
机器学习基础（一）——人工神经网络与简单的感知器
机器学习基础(一)--人工神经网络与简单的感知器 (2012-07-04 19:57:20) 转载▼ 标签: 杂谈分类: machineのlearning 从最开始做数据挖掘而接触人工智能的知识开始 ...
BP人工神经网络的介绍与实现
神经网络概念与适合领域神经网络最早的研究是 40 年代心理学家 Mcculloch 和数学家 Pitts 合作提出的 ,他们提出的MP模型拉开了神经网络研究的序幕. 神经网络的发展大致经过 3 个阶 ...
机器学习：支持向量机SVM和人工神经网络ANN的比较
在统计学习理论中发展起来的支持向量机(Support Vector Machines, SVM)方法是一种新的通用学习方法,表现出理论和实践上的优势.SVM在非线性分类.函数逼近.模式识别等应用中有非 ...
神经网络入门经典书籍,人工神经网络书籍推荐
能推荐几本学习人工神经网络的经典教材吗? . <模式识别与机器学习>[加]SimonHaykin<神经网络与模式识别>[加]SimonHaykin(原<神经网络原理> ...
基于神经网络的人工智能,人工神经网络心得体会
1.人工智能的学习思路是什么? 要学习人工智能,就要先了解清楚人工智能是什么.人工智能就是制造智能的机器,更特指制作人工智能的程序.人工智能模仿人类的思考方式使计算机能智能的思考问题,人工智能通过研究 ...

数据挖掘之人工神经网络

数据挖掘之人工神经网络相关推荐

最新文章

热门文章