导入excel数据用模糊神经网络预测数据代码python

以下是一个使用模糊神经网络预测Excel数据的Python代码示例：

首先，我们需要导入所需的包和库：

import numpy as np
import pandas as pd
import skfuzzy as fuzz
from skfuzzy import control as ctrl

接下来，我们需要读取Excel数据并将其转换为NumPy数组：

df = pd.read_excel('data.xlsx')
data = df.to_numpy()

然后，我们需要将数据集分成训练集和测试集：

train_data = data[:80, :]
test_data = data[80:, :]

接下来，我们需要定义输入和输出变量及其范围：

# 输入变量
input1 = ctrl.Antecedent(np.arange(0, 11, 1), 'input1')
input2 = ctrl.Antecedent(np.arange(0, 11, 1), 'input2')

# 输出变量
output = ctrl.Consequent(np.arange(0, 101, 1), 'output')

# 定义变量的模糊集
input1.automf(3)
input2.automf(3)
output.automf(3)

接下来，我们需要定义规则：

# 定义规则
rule1 = ctrl.Rule(input1['poor'] | input2['poor'], output['poor'])
rule2 = ctrl.Rule(input2['average'], output['average'])
rule3 = ctrl.Rule(input1['good'] | input2['good'], output['good'])

# 定义控制系统
system = ctrl.ControlSystem([rule1, rule2, rule3])

然后，我们需要创建模糊控制器：

controller = ctrl.ControlSystemSimulation(system)

接下来，我们需要使用训练数据来训练模糊神经网络：

for i in range(len(train_data)):
    controller.input['input1'] = train_data[i, 0]
    controller.input['input2'] = train_data[i, 1]
    controller.output['output'] = train_data[i, 2]
    controller.compute()
    rule1.view(sim=controller)
    rule2.view(sim=controller)
    rule3.view(sim=controller)
    controller.control_system

最后，我们可以使用测试数据来测试我们的模型：

# 使用测试数据测试模型
for i in range(len(test_data)):
    controller.input['input1'] = test_data[i, 0]
    controller.input['input2'] = test_data[i, 1]
    controller.compute()
    print("Predicted output: ", controller.output['output'], " Actual output: ", test_data[i, 2])

以上就是一个使用模糊神经网络预测Excel数据的Python代码示例。