本文介紹了運用計量統計軟件Spyder(3.2.6 MAC-Python是版本3.6)建立BP神經網絡模型的方法。Spyder是一款出色的Python語言編輯器，界面類似Matlab。主要運用的方程是MLPClassifier

整理數據

在Excel中將變量按列整理好，其中1至13列為輸入變量，第14列為輸出變量，即輸入層包含13個神經元，輸出層又一個神經元。另外設定一個隱含層，包括20個神經元

每個神經元包含252個數據點，其中最后一個點不參與訓練，留作測試最終的模型，即利用前251個數據點訓練模型，利用最后一個點檢驗模型

在Spyder中輸入數據

1、打開Terminal，輸入spyder，按Enter鍵確認，打開Spyder界面

2、在Console中右擊，可選擇清除所有變量和Console歷史

3、刪除屏幕上的代碼，點擊保存，將文件保存在數據所在的文件夾

4、導入pandas包，利用其讀取Excel。導入numpy包，利用設定數據類型。導入sklearn.neural_network包，利用其MLPClassifier函數

1.import pandas # for reading excel data

2.import numpy # set data as integer

3.from sklearn.neural_network import MLPClassifier # for the modelfit

5、利用pandas.read_excel讀取Excel，提示FileNotFoundError: [Errno 2] No such file or directory:'DataForThesis.xlsx'，這是因為Spyder重啟后，路徑不再是文件所在位置，需要在路徑欄調整位置

6、調整路徑后，運行pandas.read_excel，設定為無變量名稱，變量df出現在Variableexplorer欄中。252行14列，對應14個變量和采集的252個數據

1.import pandas #for excel reading

2.import numpy # for type transfer

3.import sklearn #for PCA and scale

4.

5.df = pandas.read_excel("bodyfat_dataset.xlsx",header=None)

6.

7、選定訓練數據和測試數據。需要特別說明的是numpy.int_()，她將提取的變量設定為整數，否則模型無法訓練

1.import pandas #for excel reading

2.import numpy # for type transfer

3.import sklearn #for PCA and scale

4.

5.df = pandas.read_excel("bodyfat_dataset.xlsx",header=None)

6.

7.data_train_x = numpy.int_(df.iloc[0:251,0:13])

8.data_train_y = numpy.int_(df.iloc[0:251,13])

9.data_test_x = numpy.int_(df.iloc[251,0:13])

10.data_test_y = numpy.int_(df.iloc[251,13])

11.

進行BP神經網絡建模

數據錄入完成后，繼續輸入代碼

1、直接提用sklearn.neural_network下的MLPClassifier函數，建立模型，同時設定隱含層有20個神經元，傳遞函數函數為Sigmoid函數。利用mlp.fit訓練模型

1.import pandas #for excel reading

2.import numpy # for type transfer

3.import sklearn #for PCA and scale

4.

5.df = pandas.read_excel("bodyfat_dataset.xlsx",header=None)

6.

7.data_train_x = numpy.int_(df.iloc[0:251,0:13])

8.data_train_y = numpy.int_(df.iloc[0:251,13])

9.data_test_x = numpy.int_(df.iloc[251,0:13])

10.data_test_y = numpy.int_(df.iloc[251,13])

11.

12.mlp =MLPClassifier(hidden_layer_sizes=(20),activation=('logistic'))

13.mlp.fit(data_train_x,data_train_y)

14.

2、對模型進行測試，并求得預測值與目標值的偏差

1.import pandas #for excel reading

2.import numpy # for type transfer

3.import sklearn #for PCA and scale

4.

5.df = pandas.read_excel("bodyfat_dataset.xlsx",header=None)

6.

7.data_train_x = numpy.int_(df.iloc[0:251,0:13])

8.data_train_y = numpy.int_(df.iloc[0:251,13])

9.data_test_x = numpy.int_(df.iloc[251,0:13])

10.data_test_y = numpy.int_(df.iloc[251,13])

11.

12.mlp =MLPClassifier(hidden_layer_sizes=(20),activation=('logistic'))

13.mlp.fit(data_train_x,data_train_y)

14.

15.print(mlp.predict(data_test_x)-data_test_y)

16.

總結

以上是生活随笔為你收集整理的bp神经网络预测模型python_BP神经网络模型：Python的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。