BP神经网络回归预测的python实例

以下是一个使用BP神经网络进行回归预测的Python实例：

import numpy as np
import pandas as pd
from sklearn.neural_network import MLPRegressor
from sklearn.model_selection import train_test_split

# 读取数据
data = pd.read_csv('data.csv')
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

# 数据预处理
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 训练模型
model = MLPRegressor(hidden_layer_sizes=(10,), activation='relu', solver='adam', max_iter=1000)
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

# 评估模型
from sklearn.metrics import r2_score
r2_score(y_test, y_pred)

在这个例子中，我们使用了sklearn库中的MLPRegressor类来构建BP神经网络模型。我们首先读取数据，然后分割为训练集和测试集。接着，我们使用fit方法来训练模型，使用predict方法来预测测试集结果。最后，我们使用r2_score方法来评估模型性能，这是回归问题中常用的评估指标之一。