多层感知器MLPRegressor
训练与测试的数据文件
在jupyterlab中实现的python代码
#bp神经网络or多层感知机
#导入模块
from sklearn.neural_network import MLPRegressor
import pandas as pd
import numpy as np
#导入数据
data_tr=pd.read_csv('D:\\python38\\BPdata_tr.txt',header=None)#header=None表示第一行不为列名
data_te=pd.read_csv('D:\\python38\\BPdata_te.txt',header=None)
model=MLPRegressor(hidden_layer_sizes=(10,),max_iter=10000,random_state=10)# BP神经网络回归模型,可修改最大迭代次数减小误差
model.fit(data_tr.iloc[:,:2],data_tr.iloc[:,2]) # 训练模型,.iloc表示对tr训练数据提取列,(前两列,第三列)
pre=model.predict(data_te.iloc[:,:2]) # 模型预测,对tr训练数据提取列,(前两列)
err=np.abs(pre-data_te.iloc[:,2]).mean()# 模型评价,求取预测与实际结果间的误差绝对值均值
运行结果查看
今日是2020/11/8,这是我后续进行反演分析的一个开端,个人认为用这个算法也能很好进行一个‘三对一’的模型建立,但是为了看上去能更高端些,我还是要选择一个更复杂些的算法。。。RVM