项目介绍
通过以往的天气数据和实际天气温度，做一次回归预测，模型的输入是当前的所有特征值，而模型的输出是当天的实际天气温度
字段分析
目前已有的数据有348条svc数据，他们的字段分别代表
- year：年
- month：月
- day：日
- week：周几
- temp_2：前天天气
- temp_1：昨天天气
- average：在历史中，每年这一天的平均最高温度值
- actual：当天实际的温度（答案）
- friend：这一列可能是凑热闹的，你的朋友猜测的可能值，咱们不管它就好了
一、准备数据
1、获取数据
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import tensorflow as tf
# 使用keras建模方法
from tensorflow.keras import layers
import warnings
warnings.filterwarnings('ignore')
filepath = 'temps.csv'
features = pd.read_csv(filepath) # 读取csv数据
features.head() # 查看数据格式
2、数据可视化
将年月日转成标准格式
import datetime
# 获取年月日数据
years = features['year']
months = features['month']
days = features['day']
# 将年月日拼接在一起--字符串类型
dates = [] # 用于存放组合后的日期
for year,month,day in zip(years,months,days):
date = str(year)+'-'+str(month)+'-'+str(day) # 年月日之间用'-'向连接
dates.append(date)
# 转变成datetime格式
times = []
for date in dates:
time = datetime.datetime.strptime(date,'%Y-%m-%d')
times.append(time)
# 看一下前10行
times[:10]
将年月日作为x轴，将数据绘制到图上
# 指定绘图风格
plt.style.use('fivethirtyeight')
# 设置画布，2行2列的画图窗口，第一行画ax1和ax2，第二行画ax3和ax4
fig,((ax1,ax2),(ax3,ax4)) = plt.subplots(2,2,figsize=(20,10))
# ==1== actual特征列
ax1.plot(times,features['actual'])
# 设置x轴y轴标签和title标题
ax1.set_xlabel('');ax1.set_ylabel('Temperature');ax1.set_title('actual temp')
# ==2== 前一天的温度
ax2.plot(times,features['temp_1'])
# 设置x轴y轴标签和title标题
ax2.set_xlabel('');ax2.set_ylabel('Temperature');ax2.set_title('temp_1')
# ==3== 前2天的温度
ax3.plot(times,features['temp_2'])
# 设置x轴y轴标签和title标题
ax3.set_xlabel('Date');ax3.set_ylabel('Temperature');ax3.set_title('temp_2')
# ==4== friend
ax4.plot(times,features['friend'])
# 设置x轴y轴标签和title标题
ax4.set_xlabel('Date');ax4.set_ylabel('Temperature');ax4.set_title('friend')
# 轻量化布局调整绘图
plt.tight_layout(pad=2)
3、数据预处理
由于Week字段其内容为字符串，需要将其统一变成数字的形式
# week列是字符串，重新编码，变成数值型
features = pd.get_dummies(features)
features.head()
4、提取特征值
我们将需要预测的标签值取出并从表中移除，此时数据从15个特征变成14个特征
# 获取目标值y，从Series类型变成数组类型
labels = np.array(features['actual'])
# 获取特征值x，即在原数据中去掉目标值列，默认删除行，需要指定轴axis=1指向列
features = features.drop('actual',axis=1)
# 把features从DateFrame变成数组类型
features = np.array(features)
features.shape
5、数据归一化
为防止由于数据单位不一，跨度大等问题导致的模型准确度不高的问题，对特征数据进行标准化处理
# 导入标准化方法库
from sklearn import preprocessing
input_features = preprocessing.StandardScaler().fit_transform(features)
input_features
二、构建网络模型
1、设计神经网络模型层
Dense：全连接层，公式是y=Wx+b
# 构建层次
model = tf.keras.Sequential()
# 隐含层1设置16层，权重初始化方法设置为随机高斯分布，加入正则化惩罚项l2
model.add(layers.Dense(16,kernel_initializer='random_normal',kernel_regularizer=tf.keras.regularizers.l2(0.01)))
# 隐含层2设置32层
model.add(layers.Dense(32,kernel_initializer='random_normal',kernel_regularizer=tf.keras.regularizers.l2(0.01)))
# 输出层设置为1，即输出一个预测结果
model.add(layers.Dense(1,kernel_initializer='random_normal',kernel_regularizer=tf.keras.regularizers.l2(0.01)))
2、设计优化器和损失函数
优化器使用梯度下降法SGD，损失函数使用均方误差MSE
# 优化器和损失函数
model.compile(optimizer=tf.keras.optimizers.SGD(0.001),loss='mean_squared_error')
3、开始训练数据
epochs=100训练100次
# 开始训练
model.fit(input_features,labels,validation_split=0.25,epochs=100,batch_size=128)
4、查看模型结构
model.summary()
隐含层1有240个参数，它是怎么计算的呢？输入层的shape为[348,14]，14个特征；第一个全连接层W的shape为[14,16]，16代表隐含层1的特征个数，偏置参数b的shape为[1,16]，y=Wx+b。因此参数个数为14*16+16=240。
5、预测模型结果
我们这里对有所的样本都预测一下，来比较预测结果和实际结果的差异
# 预测模型结果
predict = model.predict(input_features)
6、结果可视化
简单绘制一个散点图来看一下，可以看出预测结果和实际结果大体保持相同，稍微存在偏差。感兴趣的同学可以进一步进行特征工程、调节参数，来达到更好的效果。
# 真实值，蓝色实现
fig = plt.figure(figsize=(10,5))
axes = fig.add_subplot(111)
axes.plot(dates,labels,'b-',label='actual')
# 预测值，红色散点
axes.plot(dates,predict,'ro',label='predict')
axes.set_xticks(dates[::50])
axes.set_xticklabels(dates[::50],rotation=45)
plt.legend()
plt.show()
源代码
- 源码查看
