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(hào)	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(cè)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(hào)	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(cè)試集損失和準(zhǔn)確率曲線圖

7.模型評(píng)估

7.1 評(píng)估指標(biāo)及結(jié)果

評(píng)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(cè)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(cè)不為0的 有27個(gè)樣本；實(shí)際為1預(yù)測(cè)不為1的 有39個(gè)樣本，整體預(yù)測(cè)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(cè)。

# 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

---