python 销量预测模型_Tensorflow实现酸奶销量预测分析

本文实例为大家分享了Tensorflow酸奶销量预测分析的具体代码,供大家参考,具体内容如下

# coding:utf-8

# 酸奶成本为1元,利润为9元

# 预测少了相应的损失较大,故不要预测少

# 导入相应的模块

import tensorflow as tf

import numpy as np

import matplotlib.pyplot as plt

BATCH_SIZE=8

SEED=23455

COST=3

PROFIT=4

rdm=np.random.RandomState(SEED)

X=rdm.randn(100,2)

Y_=[[x1+x2+(rdm.rand()/10.0-0.05)] for (x1,x2) in X]

# 定义神经网络的输入、参数和输出,定义向前传播过程

x=tf.placeholder(tf.float32,shape=(None,2))

y_=tf.placeholder(tf.float32,shape=(None,1))

w1=tf.Variable(tf.random_normal([2,1],stddev=1,seed=1))

y=tf.matmul(x,w1)

# 定义损失函数和反向传播过程

loss=tf.reduce_sum(tf.where(tf.greater(y,y_),(y-y_)*COST,(y_-y)*PROFIT)) #损失函数要根据不同的模型进行变换

train_step=tf.train.GradientDescentOptimizer(0.001).minimize(loss)

# sess=tf.Session()

# STEPS=20000

# init_op=tf.global_variables_initializer()

# sess.run(init_op)

# for i in range(STEPS):

# start=(i*BATCH_SIZE)%32

# end=start+BATCH_SIZE

# sess.run(train_step,feed_dict={x:X[start:end],y_:Y[start:end]})

# if i%500==0:

#

# print("After %d steps,w1 is %f",(i,sess.run(w1)))

sess=tf.Session()

init_op=tf.global_variables_initializer()

sess.run(init_op)

STEPS=20000

for i in range(STEPS):

start=(i*BATCH_SIZE)%100

end=start+BATCH_SIZE

sess.run(train_step,feed_dict={x:X[start:end],y_:Y_[start:end]})

if i%500==0:

print("After %d steps"%(i))

# print(sess.run(loss_mse))

# print("Loss is:%f",sess.run(loss_mse,feed_dict={y_:Y_,y:Y_}))

print("w1 is:",sess.run(w1))

print("Final is :",sess.run(w1))

xx,yy=np.mgrid[-3:3:.01,-3:3:.01]

grid=np.c_[xx.ravel(),yy.ravel()]

probs=sess.run(y,feed_dict={x:grid})

probs=probs.reshape(xx.shape)

plt.scatter(X[:,0],X[:,1],c=np.squeeze(Y_))

plt.contour(xx,yy,probs,[.9])

plt.show()

通过改变COST和PROFIT的值近而可以得出,当COST=1,PROFIT=9时,基于损失函数,模型的w1=1.02,w2=1.03说明模型会往多了预测;当COST=9,PROFIT=1时模型的w1=0.96,w2=0.97说明模型在往少了预测。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。

表情包
插入表情
评论将由博主筛选后显示,对所有人可见 | 还能输入1000个字符
相关推荐
©️2020 CSDN 皮肤主题: 数字20 设计师:CSDN官方博客 返回首页