說明：這是一個(gè)機(jī)器學(xué)習(xí)實(shí)戰(zhàn)項(xiàng)目（附帶數(shù)據(jù)+代碼+文檔+視頻講解），如需數(shù)據(jù)+代碼+文檔+視頻講解可以直接到文章最后獲取。

1.項(xiàng)目背景

螢火蟲算法（Fire-fly algorithm，FA）由劍橋大學(xué)Yang于2009年提出 , 作為最新的群智能優(yōu)化算法之一,該算法具有更好的收斂速度和收斂精度,且易于工程實(shí)現(xiàn)等優(yōu)點(diǎn)。

本項(xiàng)目通過FA螢火蟲優(yōu)化算法優(yōu)化循環(huán)神經(jīng)網(wǎng)絡(luò)分類模型。

2.數(shù)據(jù)獲取

本次建模數(shù)據(jù)來源于網(wǎng)絡(luò)(本項(xiàng)目撰寫人整理而成)，數(shù)據(jù)項(xiàng)統(tǒng)計(jì)如下：

編號	變量名稱	描述
1	x1
2	x2
3	x3
4	x4
5	x5
6	x6
7	x7
8	x8
9	x9
10	x10
11	y	因變量

數(shù)據(jù)詳情如下(部分展示)：

3.數(shù)據(jù)預(yù)處理

3.1?用Pandas工具查看數(shù)據(jù)

使用Pandas工具的head()方法查看前五行數(shù)據(jù)：

關(guān)鍵代碼：

3.2 數(shù)據(jù)缺失查看

使用Pandas工具的info()方法查看數(shù)據(jù)信息：

???

從上圖可以看到，總共有11個(gè)變量，數(shù)據(jù)中無缺失值，共2000條數(shù)據(jù)。

關(guān)鍵代碼： ?

3.3?數(shù)據(jù)描述性統(tǒng)計(jì)

通過Pandas工具的describe()方法來查看數(shù)據(jù)的平均值、標(biāo)準(zhǔn)差、最小值、分位數(shù)、最大值。

關(guān)鍵代碼如下： ???

4.探索性數(shù)據(jù)分析

4.1?y變量柱狀圖

用Matplotlib工具的plot()方法繪制柱狀圖：

4.2 y=1樣本x1變量分布直方圖

用Matplotlib工具的hist()方法繪制直方圖：

4.3 相關(guān)性分析

從上圖中可以看到，數(shù)值越大相關(guān)性越強(qiáng)，正值是正相關(guān)、負(fù)值是負(fù)相關(guān)。

5.特征工程

5.1 建立特征數(shù)據(jù)和標(biāo)簽數(shù)據(jù)

關(guān)鍵代碼如下：

5.2 數(shù)據(jù)集拆分

通過train_test_split()方法按照80%訓(xùn)練集、20%測試集進(jìn)行劃分，關(guān)鍵代碼如下：

5.3 數(shù)據(jù)樣本增維

數(shù)據(jù)樣本增加維度后的數(shù)據(jù)形狀：

??

6.構(gòu)建FA螢火蟲優(yōu)化算法優(yōu)化LSTM分類模型

主要使用FA螢火蟲優(yōu)化算法優(yōu)化LSTM分類算法，用于目標(biāo)分類。

6.1 FA螢火蟲優(yōu)化算法尋找最優(yōu)的參數(shù)值???

最優(yōu)參數(shù)：

??

6.2 最優(yōu)參數(shù)值構(gòu)建模型

編號	模型名稱	參數(shù)
1	LSTM分類模型	units=best_units
2		epochs=best_epochs

6.3 最優(yōu)參數(shù)模型摘要信息

6.4 最優(yōu)參數(shù)模型網(wǎng)絡(luò)結(jié)構(gòu)

6.5 最優(yōu)參數(shù)模型訓(xùn)練集測試集損失和準(zhǔn)確率曲線圖

7.模型評估

7.1 評估指標(biāo)及結(jié)果

評估指標(biāo)主要包括準(zhǔn)確率、查準(zhǔn)率、查全率、F1分值等等。

模型名稱	指標(biāo)名稱	指標(biāo)值
測試集
LSTM分類模型	準(zhǔn)確率	0.8350
	查準(zhǔn)率	0.8533
	查全率	0.801
	F1分值	0.8263

從上表可以看出，F1分值為0.8350，說明模型效果較好。

關(guān)鍵代碼如下：

7.2 分類報(bào)告

???

從上圖可以看出，分類為0的F1分值為0.84；分類為1的F1分值為0.83。

7.3 混淆矩陣

從上圖可以看出，實(shí)際為0預(yù)測不為0的 有27個(gè)樣本；實(shí)際為1預(yù)測不為1的 有39個(gè)樣本，整體預(yù)測準(zhǔn)確率良好。 ?

8.結(jié)論與展望

綜上所述，本文采用了FA螢火蟲優(yōu)化算法尋找循環(huán)神經(jīng)網(wǎng)絡(luò)LSTM算法的最優(yōu)參數(shù)值來構(gòu)建分類模型，最終證明了我們提出的模型效果良好。此模型可用于日常產(chǎn)品的預(yù)測。

# 本次機(jī)器學(xué)習(xí)項(xiàng)目實(shí)戰(zhàn)所需的資料，項(xiàng)目資源如下：# 項(xiàng)目說明：鏈接：https://pan.baidu.com/s/18fd5YEIMAAiuBWnzuC7BBQ 
提取碼：3uwj

---

更多項(xiàng)目實(shí)戰(zhàn)，詳見機(jī)器學(xué)習(xí)項(xiàng)目實(shí)戰(zhàn)合集列表：

機(jī)器學(xué)習(xí)項(xiàng)目實(shí)戰(zhàn)合集列表_機(jī)器學(xué)習(xí)實(shí)戰(zhàn)項(xiàng)目_胖哥真不錯(cuò)的博客-CSDN博客

---