机器学习实战-神经网络-21

机器学习实战-神经网络-手写数字识别项目

# pip install scikit-learn --upgrade
from sklearn.neural_network import MLPClassifier
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import classification_report,confusion_matrix
digits = load_digits()#载入数据
x_data = digits.data #数据
y_data = digits.target #标签

# 标准化
scaler = StandardScaler()
x_data = scaler.fit_transform(x_data)
x_train,x_test,y_train,y_test = train_test_split(x_data,y_data) #分割数据1/4为测试数据,3/4为训练数据
mlp = MLPClassifier(hidden_layer_sizes=(100,50) ,max_iter=500)
mlp.fit(x_train,y_train )

机器学习实战-神经网络-21_第1张图片

predictions = mlp.predict(x_test)

机器学习实战-神经网络-21_第2张图片

print(confusion_matrix(y_test,predictions))

机器学习实战-神经网络-21_第3张图片

机器学习实战-神经网络-葡萄酒分类

机器学习实战-神经网络-21_第4张图片
机器学习实战-神经网络-21_第5张图片

import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.neural_network import MLPClassifier
from sklearn.metrics import classification_report,confusion_matrix
# 载入数据
data = np.genfromtxt("wine_data.csv", delimiter=",")
x_data = data[:,1:]
y_data = data[:,0]
print(x_data.shape)
print(y_data.shape)

在这里插入图片描述

# 数据切分
x_train, x_test, y_train, y_test = train_test_split(x_data, y_data)
# 数据标准化
scaler = StandardScaler()
x_train = scaler.fit_transform(x_train)
x_test = scaler.fit_transform(x_test)
# 建模
mlp = MLPClassifier(hidden_layer_sizes=(100,50),max_iter=500)
# 训练
mlp.fit(x_train,y_train)

机器学习实战-神经网络-21_第6张图片

# 评估
predictions = mlp.predict(x_test)
print(classification_report(y_test,predictions))

机器学习实战-神经网络-21_第7张图片

print(confusion_matrix(y_test,predictions))

在这里插入图片描述

你可能感兴趣的:(机器学习,神经网络,机器学习,python,人工智能)