Python数据分析与挖掘实战代码纠错代码5-3 python数据分析与挖掘实战
第五章挖掘建模
例5-3神经⽹络算法预测销量⾼低
神经⽹络散发预测销量⾼低
#-*- coding: utf-8 -*-
#使⽤神经⽹络算法预测销量⾼低
import pandas as pd
#参数初始化
inputfile = '../data05/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
python数据分析基础教程答案
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)
dels import Sequential
from 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('sigmoid')) #由于是0-1输出，⽤sigmoid函数作为激活函数
modelpile(loss = 'binary_crossentropy', optimizer = 'adam', class_mode = 'binary')
#编译模型。由于我们做的是⼆元分类，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，请阅读帮助⽂件。
#求解⽅法我们指定⽤adam，还有sgd、rmsprop等可选
linux基本操作命令prefix
model.fit(x, y, nb_epoch = 1000, batch_size = 10) #训练模型，学习⼀千次
yp = model.predict_classes(x).reshape(len(y)) #分类预测
from cm_plot import * #导⼊⾃⾏编写的混淆矩阵可视化函数
cm_plot(y,yp).show() #显⽰混淆矩阵可视化结果
运⾏时会遇到三个问题点：
这是由于编码问题所致，解决⽅法：直接复制源码到另⼀个⽂件即可。
怎么编程游戏软件此时，删除modelpile(loss = 'binary_crossentropy', optimizer = 'adam', class_mode = 'binary')函数中参数class_mode=“binary”再次运⾏：
快速排序算法举例
此时，爆出ASCII编码什么的，解决⽅法：
需要⾃定义cm_plot()函数：如下
#-*- coding: utf-8 -*-
def cm_plot(y, yp):
ics import confusion_matrix #导⼊混淆矩阵函数
cm = confusion_matrix(y, yp) #混淆矩阵
import matplotlib.pyplot as plt #导⼊作图库
plt.matshow(cm, Greens) #画混淆矩阵图，配⾊风格使⽤cm.Greens，更多风格请参考官⽹。
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('True label') #坐标轴标签
fscanf函数位于什么中plt.xlabel('Predicted label') #坐标轴标签
句柄的通俗解释
return plt
将其放⼊⽂件中，放⼊python库中，路径为/python2.7/site-packages
在此运⾏：
在程序运⾏过程中，尽可能不要使⽤中⽂注释，因为可能出现各种编码问题！亲测有效哦！

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。