機器學習實驗3 神經網路模型實現

理解神經網路相關原理和概念；

能夠使用神經網路解決相關問題；

熟練使用scikit-learn 中神經網路相關模組。

使用神經網路解決糖尿病病情**問題。

對問題進行描述並給出神經網路解決問題的原理；

將問題相關資料集劃分成訓練集和測試集，並進行資料預處理；

給出神經網路解決糖尿病病情**問題的**；

通過調整隱層神經元數目和隱層層數提高模型的效果；

引入收資料集，劃分訓練集和測試集

from sklearn import datasets

from sklearn.model_selection import train_test_split
diabetes = datasets.load_diabetes(
)x=diabetes.data
y=diabetes.target
x_train,x_test,y_train,y_test=train_test_split(x,y,train_size=
0.2,random_state=
26)

from sklearn.preprocessing import standardscaler 

scaler.fit(x_test)
x_train = scaler.transform(x_train)
x_test = scaler.transform(x_test)

from sklearn.neural_network import mlpregressor

model= mlpregressor(hidden_layer_sizes=
(20000
))

model.fit(x_train,y_train)

y_predict=model.predict(x_test)
score=model.score(x_test,y_test)
print
(score)

import matplotlib.pyplot as plt

xx=range(0
,len
(y_test )
)plt.figure(figsize=(8
,6))
plt.scatter (xx,y_test,color=
"red"
,label=
"sample point"
,linewidth=3)
plt.plot(xx,y_predict,color=
"orange"
,label=
"fitting line"
,linewidth=2)
plt.legend (
)plt.show(
)

model= mlpregressor(hidden_layer_sizes=

(100))
model= mlpregressor(hidden_layer_sizes=
(100
,100))
model= mlpregressor(hidden_layer_sizes=
(100
,100
,100))
model= mlpregressor(hidden_layer_sizes=
(1000))
model= mlpregressor(hidden_layer_sizes=
(10000))
model= mlpregressor(hidden_layer_sizes=
(20000
))

機器學習 BP神經網路模型

bp back propagation 網路是1986年由rumelhart和mccelland為首的科學家小組提出，是一種按誤差逆傳播演算法訓練的多層前饋網路，是目前應用最廣泛的神經網路模型之一。bp網路能學習和存貯大量的輸入 輸出模式對映關係，而無需事前揭示描述這種對映關係的數學方程。它的學習規...

機器學習 BP神經網路模型

bp back propagation 網路是1986年由rumelhart和mccelland為首的科學家小組提出，是一種按誤差逆傳播演算法訓練的多層前饋網路，是目前應用最廣泛的神經網路模型之一。bp網路能學習和存貯大量的輸入 輸出模式對映關係，而無需事前揭示描述這種對映關係的數學方程。它的學習規...

神經網路模型實現

一 引入糖尿病病情 問題的資料 from sklearn.datasets import load diabetes diabets load diabetes 二 對資料進行劃分，同時對屬性值進行轉換 x diabets.data y diabets.target from sklearn.mod...