python 窃漏电用户问题的LM神经网络模型（bug修改后可运行）

看到该问题的时候，尝试在网上寻找源码，这里就不贴出来了，见6-3 构建LM神经网络模型代码（python3.6下运行）_清泉石上流9300的博客-CSDN博客https://blog.csdn.net/sinat_17588957/article/details/89945560?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1-89945560-blog-110827716.pc_relevant_antiscanv2&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1-89945560-blog-110827716.pc_relevant_antiscanv2&utm_relevant_index=2但是运行的时候发现问题还是挺多的。

 

（1）python的版本

由于这里要使用神经网络，需要下载tensorflow库，而这个库是要64位的python版本才能下载的，于是迫不得已我把旧版本卸了，又重新安装了64位版本。

（2）pip install tensorflow下载太慢，老是出错

由于网速太慢，用pip install tensorflow老是下载出错，上网寻找了各种解决方法，发现一个非常好用的命令

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow

不仅快，而且不会出错。

一切准备就绪后，开始运行代码，然后bug就不断出现了，如下：

（1）'DataFrame' object has no attribute 'as_matrix'

原因：as_matrix()方法被淘汰了

解决方法：修改为

data = data.iloc[:,:].values

 

（2）__init__() missing 1 required positional argument: 'units'

原因：Dense的参数出错

解决方法：修改为

net.add(Dense(10,input_dim=3)) 

第21行同理修改为

net.add(Dense(1,input_dim=10)) 

然后代码神经网络迭代开始运行

（3）'Sequential' object has no attribute 'predict_classes'

 

原因：'Sequential'没有'predict_classes'方法，但是有'predict'方法，于是修改为

 pc = net.predict(train[:, :3]).reshape(len(train))

（4）Classification metrics can't handle a mix of binary and continuous targets

原因：train[:, 3]是int类型，而pc是表示概率的float类型，类型不同，所以会出错。

解决方法：将pc四舍五入后转换为int类型

在第44行前插入一句

pc=np.around(pc,0).astype(int)

 

最终，所有bug解决，代码成功编译运行，结果如下：

Predicted label为预测结果，True label为真实结果

这个图的意思是：

预测结果与真实结果都为0的有150个，都为1的有59个；

预测结果为1，真实结果为0的有12个；预测结果为0，真实结果为1的有11个.

则正确率为：(150+59)/(150+12+11+59)×100%=90.09%