人工智能神经网络

利用女性糖尿病人的怀孕次数、血糖、血压、皮脂厚度、胰岛素等特征通过BP神经网络来预测一个女性是否患有糖尿病,并且计算出模型预测的准确率。通过女性糖尿病患者的一系列特征构建一个BP神经网络模型,通过该模型预测一名女性患有糖尿病的概率。

main.py

python 复制代码
#导入keras等模块
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers import Dense
import numpy as np
from sklearn.model_selection import train_test_split
import warnings
warnings.filterwarnings('ignore')
#导入女性糖尿病患者的特征数据
dataset = np.loadtxt('pima-indians-diabetes.csv', delimiter=',')
X = dataset[:, 0 : 8]
Y = dataset[:, 8]
# 将数据按照8:2比例分成训练集和测试集
x_train, x_test, y_train, y_test = train_test_split(X, Y, test_size=0.2, random_state=1)
print(x_train.shape)
print(x_test.shape)
# 创建BP神经网络
model = Sequential()
# 输入层8个变量,与数据维度一致
# 第一个隐藏层有12个神经元,且采用ReLU激活函数,glorot均匀分布初始化器,偏差值初始为0
model.add(Dense(12, input_dim=8, activation='relu', kernel_initializer='glorot_uniform', bias_initializer='zeros'))
# 第二个隐藏层有8个神经元,且采用ReLU激活函数
model.add(Dense(8, activation='relu'))
# 输出层1个神经元,且采用Sigmoid激活函数
model.add(Dense(1, activation='sigmoid'))
#使用adam为优化器
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x=x_train, y=y_train, epochs=150, batch_size=10)
# 打印出模型每层权值
print(model.trainable_weights)
print(model.get_weights())
# 评估模型
scores = model.evaluate(x=x_test, y=y_test)
print('\n%s : %.2f%%' % (model.metrics_names[1], scores[1]*100))
相关推荐
yzx991013几秒前
低空物流自动驾驶机器人
人工智能·机器人·自动驾驶
大模型铲屎官1 分钟前
【数据结构与算法-Day 35】拓扑排序:从依赖关系到关键路径的完整解析
人工智能·python·深度学习·操作系统·数据结构与算法·关键路径·扩扑排序
Keying,,,,2 分钟前
秋招算法记录 | 排序算法整理 | 直接选择、直接插入、冒泡、快排、希尔排序
数据结构·python·算法·排序算法
ChinaRainbowSea3 分钟前
6. Advisor 对话拦截
java·人工智能·后端·spring·ai编程
用户2345267009826 分钟前
如何使用Python实现异步文件读写
python
聚客AI10 分钟前
🔥图片搜索文本,语音检索视频?多模态RAG的跨模态检索能力
人工智能·llm·掘金·日新计划
金井PRATHAMA22 分钟前
语义三角论对人工智能自然语言处理中深层语义分析的影响与启示
人工智能·自然语言处理·知识图谱
糖葫芦君24 分钟前
17-Language Modeling with Gated Convolutional Networks
深度学习·机器学习·语言模型
蒜鸟~蒜鸟~26 分钟前
PyTorch 神经网络工具箱全解析:从核心组件到模型实战
pytorch·神经网络
stjiejieto39 分钟前
AI 原生应用:重构内容创作的 “智能工厂” 革命
人工智能·重构