机器学习实验3------神经网络模型实现
一、实验目的
理解神经网络相关原理和概念;
能够使用神经网络解决相关问题;
熟练使用Scikit-learn 中神经网络相关模块。
二、实验内容
使用神经网络解决糖尿病病情预测问题。
三、实验要求
对问题进行描述并给出神经网络解决问题的原理;
将问题相关数据集划分成训练集和测试集,并进行数据预处理;
给出神经网络解决糖尿病病情预测问题的代码;
通过调整隐层神经元数目和隐层层数提高模型的效果;
四、实验分析及代码
引入收数据集,划分训练集和测试集
from sklearn import datasets
from sklearn.model_selection import train_test_split
diabetes = datasets.load_diabetes()
X=diabetes.data
Y=diabetes.target
X_train,X_test,Y_train,Y_test=train_test_split(X,Y,train_size=0.2,random_state=26)
属性值转换
from sklearn.preprocessing import StandardScaler
scaler.fit(X_test)
X_train = scaler.transform(X_train)
X_test = scaler.transform(X_test)
引入模块,建立模型
from sklearn.neural_network import MLPRegressor
model= MLPRegressor(hidden_layer_sizes=(20000))
模型训练、预测及返回结果
model.fit(X_train,Y_train)
Y_predict=model.predict(X_test)
score=model.score(X_test,Y_test)
print(score)
可视化操作
import matplotlib.pyplot as plt
xx=range(0,len(Y_test ))
plt.figure(figsize= (8,6))
plt.scatter (xx,Y_test,color="red",label="Sample Point",linewidth= 3)
plt.plot(xx,Y_predict,color="orange",label="Fitting Line",linewidth=2)
plt.legend ()
plt.show()
通过改变神经网络模型中隐层以及各隐层里的神经元数目提高返回值
model= MLPRegressor(hidden_layer_sizes=(100))
model= MLPRegressor(hidden_layer_sizes=(100,100))
model= MLPRegressor(hidden_layer_sizes=(100,100,100))
model= MLPRegressor(hidden_layer_sizes=(1000))
model= MLPRegressor(hidden_layer_sizes=(10000))
model= MLPRegressor(hidden_layer_sizes=(20000))