python3.5下運(yùn)行 #-*- coding: utf-8 -*-import pandas as pd import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2'inputfile = '../data/sales_data.xls' data = pd.read_excel(inputfile, index_col = u'序號(hào)') 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, Activationmodel = Sequential() #model.add(Dense(input_dim = 3, output_dim = 10)) model.add(Dense(units=10, input_dim=3)) model.add(Activation('relu')) #model.add(Dense(input_dim = 10, output_dim = 1)) model.add(Dense(input_dim=10, units=1)) model.add(Activation('sigmoid'))model.compile(loss = 'binary_crossentropy', optimizer = 'adam', class_mode = 'binary')model.fit(x, y, epochs = 1000, batch_size = 10) yp = model.predict_classes(x).reshape(len(y)) from cm_plot import * cm_plot(y,yp).show()

sales_data.xls

1	壞	是	是	高
2	壞	是	是	高
3	壞	是	是	高
4	壞	否	是	高
5	壞	是	是	高
6	壞	否	是	高
7	壞	是	否	高
8	好	是	是	高
9	好	是	否	高
10	好	是	是	高
11	好	是	是	高
12	好	是	是	高
13	好	是	是	高
14	壞	是	是	低
15	好	否	是	高
16	好	否	是	高
17	好	否	是	高
18	好	否	是	高
19	好	否	否	高
20	壞	否	否	低
21	壞	否	是	低
22	壞	否	是	低
23	壞	否	是	低
24	壞	否	否	低
25	壞	是	否	低
26	好	否	是	低
27	好	否	是	低
28	壞	否	否	低
29	壞	否	否	低
30	好	否	否	低
31	壞	是	否	低
32	好	否	是	低
33	好	否	否	低
34	好	否	否	低

1	壞	是	是	高
2	壞	是	是	高
3	壞	是	是	高
4	壞	否	是	高
5	壞	是	是	高
6	壞	否	是	高
7	壞	是	否	高
8	好	是	是	高
9	好	是	否	高
10	好	是	是	高
11	好	是	是	高
12	好	是	是	高
13	好	是	是	高
14	壞	是	是	低
15	好	否	是	高
16	好	否	是	高
17	好	否	是	高
18	好	否	是	高
19	好	否	否	高
20	壞	否	否	低
21	壞	否	是	低
22	壞	否	是	低
23	壞	否	是	低
24	壞	否	否	低
25	壞	是	否	低
26	好	否	是	低
27	好	否	是	低
28	壞	否	否	低
29	壞	否	否	低
30	好	否	否	低
31	壞	是	否	低
32	好	否	是	低
33	好	否	否	低
34	好	否	否	低

python3.5下運(yùn)行

總結(jié)

以上是生活随笔為你收集整理的5-3 神经网络算法预测销量高低（改进版，消除了一些warning）的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。