利用机器学习方法进行岩相分类

      本文引用Brendon Hall在2016年《The Leading Edge》上发表的题为“Facies classfication using machine learning”文章，Hall(2016)在文中介绍了SVM方法在岩相分类中的应用。本文实现了利用神经网络方法实现岩相分类。

模型：（引用吴恩达老师深度学习微专业编程作业2.3.2-利用TensorFlow搭建神经网络模型）

 LINEAR -> RELU -> LINEAR -> RELU -> LINEAR -> SOFTMAX

划分数据集：

training_data = pd.read_csv('training_data.csv')

test_data      = training_data[training_data['Well Name'] == 'SHANKLE']  #从训练数据集中抽出一口井用于测试

training_data = training_data[training_data['Well Name'] != 'SHANKLE']  #从训练数据剔除这口井

all_vectors = training_data.drop(['Facies','Formation', 'Well Name', 'Depth'], axis=1)

all_labels  = training_data['Facies'].values

nan_idx = np.any(np.isnan(all_vectors), axis=1)  # 剔除NaNs

training_vectors = all_vectors[np.logical_not(nan_idx)]

training_labels  = all_labels [np.logical_not(nan_idx)]

test_vectors = test_data.drop(['Facies','Formation', 'Well Name', 'Depth'], axis=1)

test_labels  = np.ones(test_vectors.shape[0], dtype=np.int)

test_labels_true  = test_data['Facies'].values

scaler = preprocessing.StandardScaler().fit(training_vectors)

scaled_training_vectors = scaler.transform(training_vectors)

scaled_test_vectors = scaler.transform(test_vectors)  #据我了解，测试集应该与训练集采用相同的均值和方差用于标准化

X_train, X_cv, Y_train, Y_cv = train_test_split(scaled_training_vectors, training_la