给出神经网络代码,读取excel表,以6个因素判别水源的类别
时间: 2023-07-22 20:26:10 浏览: 31
好的,以下是一个简单的神经网络代码示例,可以读取Excel表格数据,并使用6个因素判断水源类别。
首先,需要安装pandas,numpy和tensorflow模块。可以使用以下命令进行安装:
```
pip install pandas numpy tensorflow
```
然后,可以使用以下代码加载Excel表格数据:
```python
import pandas as pd
# 读取Excel表格数据
data = pd.read_excel('data.xlsx')
# 获取特征列和标签列
features = data.iloc[:, :-1].values
labels = data.iloc[:, -1].values
```
接下来,可以使用以下代码创建和训练神经网络模型:
```python
import tensorflow as tf
from tensorflow.keras import layers
# 创建模型
model = tf.keras.Sequential([
layers.Dense(64, activation='relu', input_shape=[6]),
layers.Dense(64, activation='relu'),
layers.Dense(1, activation='sigmoid')
])
# 编译模型
model.compile(optimizer='adam',
loss='binary_crossentropy',
metrics=['accuracy'])
# 训练模型
model.fit(features, labels, epochs=50, validation_split=0.2)
```
这个模型包括两个隐藏层,每个隐藏层有64个神经元。模型使用sigmoid激活函数输出二元分类结果。我们使用adam优化器和二元交叉熵损失函数进行训练。
最后,可以使用以下代码对新的输入数据进行分类预测:
```python
# 对新输入数据进行分类预测
predictions = model.predict(new_features)
# 将预测结果转换为类别标签
predicted_labels = [1 if p >= 0.5 else 0 for p in predictions]
```
其中,new_features是一个形状为(1, 6)的NumPy数组,包含新的输入数据的六个因素。predictions是一个形状为(1, 1)的NumPy数组,包含模型的二元分类输出结果。最后,将预测结果转换为类别标签,如果输出结果大于等于0.5,则预测为类别1,否则预测为类别0。