Python數(shù)據(jù)科學(xué):神經(jīng)網(wǎng)絡(luò)
# 極值標(biāo)準(zhǔn)化處理
scaler = MinMaxScaler()
scaler.fit(train_data)
scaled_train_data = scaler.transform(train_data)
scaler_test_data = scaler.transform(test_data)
建立多層感知器模型。
# 設(shè)置多層感知器對(duì)應(yīng)的模型
mlp = MLPClassifier(hidden_layer_sizes=(10,), activation='logistic', alpha=0.1, max_iter=1000)
# 對(duì)訓(xùn)練集進(jìn)行模型訓(xùn)練
mlp.fit(scaled_train_data, train_target)
# 輸出神經(jīng)網(wǎng)絡(luò)模型信息
print(mlp)
輸出模型信息如下。
接下來使用經(jīng)過訓(xùn)練集訓(xùn)練的模型,對(duì)訓(xùn)練集及測(cè)試集進(jìn)行預(yù)測(cè)。
# 使用模型進(jìn)行預(yù)測(cè)
train_predict = mlp.predict(scaled_train_data)
test_predict = mlp.predict(scaler_test_data)
輸出預(yù)測(cè)概率,用戶流失的概率。
# 輸出模型預(yù)測(cè)概率(為1的情況)
train_proba = mlp.predict_proba(scaled_train_data)[:, 1]
test_proba = mlp.predict_proba(scaler_test_data)[:, 1]
對(duì)模型進(jìn)行評(píng)估,輸出評(píng)估數(shù)據(jù)。
# 根據(jù)預(yù)測(cè)信息輸出模型評(píng)估結(jié)果
print(metrics.confusion_matrix(test_target, test_predict, labels=[0, 1]))
print(metrics.classification_report(test_target, test_predict))
輸出如下。
模型對(duì)流失用戶的f1-score(精確率和召回率的調(diào)和平均數(shù))值為0.81,效果不錯(cuò)。
此外對(duì)流失用戶的靈敏度recall為0.83,模型能識(shí)別出83%的流失用戶,說明模型識(shí)別流失用戶的能力還可以。
輸出模型預(yù)測(cè)的平均準(zhǔn)確度。
# 使用指定數(shù)據(jù)集輸出模型預(yù)測(cè)的平均準(zhǔn)確度
print(mlp.score(scaler_test_data, test_target))
# 輸出值為0.8282828282828283
平均準(zhǔn)確度值為0.8282。
計(jì)算模型的ROC下面積。
# 繪制ROC曲線
fpr_test, tpr_test, th_test = metrics.roc_curve(test_target, test_proba)
fpr_train, tpr_train, th_train = metrics.roc_curve(train_target, train_proba)
plt.figure(figsize=[3, 3])
plt.plot(fpr_test, tpr_test, 'b--')
plt.plot(fpr_train, tpr_train, 'r-')
plt.title('ROC curve')
plt.show()
# 計(jì)算AUC值
print(metrics.roc_auc_score(test_target, test_proba))
# 輸出值為0.9149632415075206
ROC曲線圖如下。
訓(xùn)練集和測(cè)試集的曲線很接近,沒有過擬合現(xiàn)象。
AUC值為0.9149,說明模型效果非常好。
對(duì)模型進(jìn)行最優(yōu)參數(shù)搜索,并且對(duì)最優(yōu)參數(shù)下的模型進(jìn)行訓(xùn)練。
發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字
最新活動(dòng)更多
-
即日-10.29立即報(bào)名>> 2024德州儀器嵌入式技術(shù)創(chuàng)新發(fā)展研討會(huì)
-
10月31日立即下載>> 【限時(shí)免費(fèi)下載】TE暖通空調(diào)系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報(bào)名>>> 【在線會(huì)議】多物理場(chǎng)仿真助跑新能源汽車
-
11月14日立即報(bào)名>> 2024工程師系列—工業(yè)電子技術(shù)在線會(huì)議
-
12月19日立即報(bào)名>> 【線下會(huì)議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會(huì)
-
即日-12.26火熱報(bào)名中>> OFweek2024中國(guó)智造CIO在線峰會(huì)
推薦專題
-
10 百度搜索,正在被平替
- 1 Intel宣布40年來最重大轉(zhuǎn)型:年底前裁員15000人、拋掉2/3房產(chǎn)
- 2 因美封殺TikTok,字節(jié)股價(jià)骨折!估值僅Meta1/5
- 3 宏山激光重磅發(fā)布行業(yè)解決方案,助力智能制造產(chǎn)業(yè)新飛躍
- 4 國(guó)產(chǎn)AI芯片公司破產(chǎn)!白菜價(jià)拍賣
- 5 具身智能火了,但規(guī)模落地還需時(shí)間
- 6 三次錯(cuò)失風(fēng)口!OpenAI前員工殺回AI編程賽道,老東家捧金相助
- 7 國(guó)產(chǎn)英偉達(dá)們,抓緊沖刺A股
- 8 英特爾賦能智慧醫(yī)療,共創(chuàng)數(shù)字化未來
- 9 英偉達(dá)的麻煩在后頭?
- 10 將“網(wǎng)紅”變成“商品”,AI“爆改”實(shí)力拉滿
- 高級(jí)軟件工程師 廣東省/深圳市
- 自動(dòng)化高級(jí)工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級(jí)銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市