深度学习实例1-----利用深度学习keras工具包实现销量预测

最新推荐文章于 2024-06-01 02:33:11 发布

千语_肉丸子

最新推荐文章于 2024-06-01 02:33:11 发布

阅读量1.9k

点赞数

分类专栏：深度学习文章标签：深度学习神经网络 keras 算法数据挖掘

本文链接：https://blog.csdn.net/u012535605/article/details/75330790

版权

本文通过Keras构建了一个三层全连接神经网络，用于销售预测。实验结果显示模型准确率为0.7353，同时提供了混淆矩阵详情。

摘要由CSDN通过智能技术生成

keras基于Theano或Tensorflow底层开发的简单模块化的神经网络框架，因此用Keras搭建网络结构会比Tensorflow更加简单。

这里我们用三层全连接的神经网络，实现第一个神经网络的销量预测

import pandas as pd

#参数初始化
inputfile = '../data/sales_data.xls'
data = pd.read_excel(inputfile, index_col = u'序号') #导入数据

#数据是类别标签，要将它转换为数据
#用1来表示“好”、“是”、“高”这三个属性，用0来表示“坏”、“否”、“低”
data[data == u'好'] = 1
data[data == u'是'] = 1
data[data == u'高'] = 1
data[data != 1] = 0
x = 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, Activation

model = 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，能够大幅提供准确度
model.add(Dense(input_dim = 10, output_dim = 1))
model.add(Activation('sigmoi