《Pyhton数据分析与挖掘实战》第5章 使用神经网络算法预测销量高低

1.代码 

import pandas as pd
import os
import numpy as np

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
inputfile = r"....\sales_data.xls"
data = pd.read_excel(inputfile, index_col='序号')

data[data == '好'] = 1
data[data == '是'] = 1
data[data == '高'] = 1
data[data != 1] = 0
data = pd.DataFrame(data)
x = data.iloc[:, :3].values.astype(int)
y = data.iloc[:, 3].values.astype(int)

from keras.models import Sequential
from tensorflow.python.keras.layers.core import Dense, Activation
model = Sequential()  # 建立模型
model.add(Dense(input_dim=3, units=10))
model.add(Activation('relu'))  # 用relu函数作为激活函数，能够大幅提高准确度
model.add(Dense(input_dim=10, units=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')
# 编译模型。由于是二元分类，所以我们指定损失函数为binary_crossentropy，以及模式为binary
# 另外常见的损失函数还有mean_squared_error、categorical_crossentropy等，请阅读
# 对于求解方法，我们指定用adam，此外还有sgd、rmsprop等可选

model.fit(x, y, epochs=1000, batch_size=10)  # 训练模型，学习一千次
yp = model.predict(x)
yp = np.round(yp).astype(int)  # 分类预测


def cm_plot(y, yp):
    from sklearn.metrics import confusion_matrix  # 导入混淆矩阵函数
    import matplotlib.pyplot as plt  # 导入作图库
    plt.rcParams['font.sans-serif'] = ['SimHei']  # 显示中文黑体，不加这句会显示中文方格
    cm = confusion_matrix(y, yp)  # 混淆矩阵
    plt.matshow(cm, cmap=plt.cm.Blues)  # 画混淆矩阵图，配色风格使用cm.Blues
    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("实际")  # 坐标轴标签
    plt.xlabel('预测')  # 坐标轴标签
    plt.title("LM神经网络模型的混淆矩阵")
    plt.savefig("LM神经网络模型的混淆矩阵.jpg", dpi=300)
    return plt


cm_plot(y, yp).show()

 2.错误分析

错误：AttributeError: 'Sequential' object has no attribute 'predict_classes'. Did you mean: 'predict_step'?

yp = model.predict_classes(x).reshape(len(y))

predict_classes已弃，改为

yp = model.predict(x)
yp = np.round(yp).astype(int)  # 分类预测

特别说明：astype()括号里面的len（y）要改成int，不然会报错

TypeError: Cannot interpret '34' as a data type

 

错误：ValueError: Classification metrics can't handle a mix of binary and continuous targets

而且报错不在这一行

yp = model.predict(x).reshape(len(y))

 改为：

yp = model.predict(x)
yp = np.round(yp).astype(int)  # 分类预测

错误：生成的图会显示中文方格，加上：

    plt.rcParams['font.sans-serif'] = ['SimHei']  # 显示中文黑体，不加这句会显示中文方格

最后，我是个小萌新，如果有错误欢迎指出