数据结构如下所示：
（年份是我随便写的，实际应该是1990-2012，在代码画图时可以用到）
将excel表处理成如下形式（预测指标放在最后一列），然后将excel数据另存为txt形式，可以在python中引用。
首先确保环境下有安装sklearn、numpy、pylab库，安装方法：
pip install +库名
其中安装sklearn库前需要安装numpy、scipy、matplotlib库。
然后就可以使用以下代码：
from sklearn.neural_network import MLPRegressor
import numpy as np
import pylab as plt
a = np.loadtxt('神经网络预测案例.txt')
x0 = a[:,:5]; y0 = a[:,5] #提出训练样本数据
m1 = x0.max(axis=0); m2 = x0.min(axis=0) #计算逐列最大值和最小值
bx0 = 2*(x0-m2)/(m1-m2)-1 #数据标准化
#构造并拟合模型
md = MLPRegressor(solver='lbfgs',activation='identity',
hidden_layer_sizes=10).fit(bx0, y0)
x = np.array([[399759.5,472115],[296916,317987],[201722.1,236402],[156998.4,183918.6],[278121.85,311485.13]]).T #预测年份的非预测数据
bx = 2*(x-m2) / (m1-m2)-1 #数据标准化
yh = md.predict(bx); print('预测值为：,',np.round(yh,6))
yh0 = md.predict(bx0); delta = abs(yh0-y0)/y0*100
print('已知数据预测的相对误差：', np.round(delta,6))
t = np.arange(1990, 2012)
plt.rc('font', size=15); plt.rc('font', family='SimHei')
plt.plot(t, y0, '--o', label='原始数据')
plt.plot(t, yh0, '-*', label='预测数据')
plt.xticks(t, rotation=55); plt.legend(); plt.show()
构建模型的核心语句：
md = MLPRegressor(solver='lbfgs',activation='identity',hidden_layer_sizes=10).fit(bx0, y0)
其中，solver参数可选“lbfgs（优化器，小样本适用）、sgd（随机梯度下降）、adam（默认，大样本适用）”
输出结果如下：
文章来源：https://www.toymoban.com/news/detail-560211.html
文章来源地址https://www.toymoban.com/news/detail-560211.html
到了这里，关于人工神经网络（ANN）——python代码及示例的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
