import torch
import torch.nn as nn
from matplotlib import pyplot as plt
import os
from Dataset.Dataset import csv_dataset
from module.model import MLPClassifier
import torch.nn.functional as F
from torch.utils.data import Dataset
from torch.utils.data import DataLoader
from torch.utils.data import random_split
import numpy as np
import pandas as pd
import tqdm
from sklearn.model_selection import StratifiedKFold
os.environ['KMP_DUPLICATE_LIB_OK'] = 'TRUE'
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print('[Info]: use:', device)
Data_dir = './Datas/Datas.csv'
label_dir = './Datas/labels.csv'
np_file_dir = './Datas/random_allnums.npy'
SAVEDIR = './runs'
ALL_ACC, ALL_SEN, ALL_PRE = 0, 0, 0
for K_flod in range(1, 6):
train_set = csv_dataset(Data_dir, label_dir, k=K_flod, train=True, path_np=np_file_dir)
test_set = csv_dataset(Data_dir, label_dir, k=K_flod, train=False, path_np=np_file_dir)
train_loader = DataLoader(dataset=train_set,
batch_size=8,
shuffle=True, )
test_loader = DataLoader(dataset=test_set,
batch_size=8,
shuffle=True, )
model = MLPClassifier()
model = model.to(device)
weights = torch.FloatTensor([2])
criterion = nn.BCEWithLogitsLoss(pos_weight=weights).cuda()
optimizer = torch.optim.Adam(model.parameters(), lr=0.0003)
loss_list = []
TP, TN, FP, FN = 0, 0, 0, 0
for epoch in range(15):
bar = tqdm.tqdm(train_loader)
for X, y in bar:
bar.set_description("epoch: %s" % str(epoch))
X = X.to(device, dtype=torch.float32)
y = y.to(device, dtype=torch.float32)
y_pred = model(X)
loss = criterion(y_pred, y)
optimizer.zero_grad()
loss.backward()
optimizer.step()
loss_list.append(loss.data.item())
bar.set_postfix(loss=loss.data.item())
torch.save(model.state_dict(), os.path.join(SAVEDIR, str(epoch)) + '.pt')
model.eval()
bar2 = tqdm.tqdm(test_loader)
for X, y in bar2:
X = X.to(device, dtype=torch.float32)
# y = y.to(device, dtype=torch.float32)
y_pred = model(X)
y_pred = F.sigmoid(y_pred)
y_pred[y_pred > 0.5] = 1
y_pred[y_pred <= 0.5] = 0
y_pred = torch.Tensor.cpu(y_pred)
sTP = np.array(((y == 1) & (y_pred == 1)).sum())
sFN = np.array(((y == 1) & (y_pred == 0)).sum())
sTN = np.array(((y == 0) & (y_pred == 0)).sum())
sFP = np.array(((y == 0) & (y_pred == 1)).sum())
TP = sTP + TP
TN = sTN + TN
FP = sFP + FP
FN = sFN + FN
print('TP:',TP)
print('TN:',TN)
print('FP:',FP)
print('FN:',FN)
acc = (TP + TN) / (TP + TN + FP + FN)
sen = (TP) / (FN + TP)
pre = (TP) / (TP + FP)
print('flod:' + str(K_flod) + ' acc:', acc)
print('flod:' + str(K_flod) + ' sen:', sen)
print('flod:' + str(K_flod) + ' pre:', pre)
ALL_ACC = ALL_ACC + acc
ALL_SEN = ALL_SEN + sen
ALL_PRE = ALL_PRE + pre
plt.plot(np.linspace(0, 100, len(loss_list)), loss_list)
plt.show()
print('Flod:',K_flod,' Finish!')
print('==========================')
print('ALL_ACC:', ALL_ACC / 5)
print('ALL_SEN:', ALL_SEN / 5)
print('ALL_PRE:', ALL_PRE / 5)
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
基于python实现电信客户流失预测与分析源码(高分数据挖掘大作业).zip个人98分大作业项目,该资源包括项目的全部源码,下载可以直接使用!本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目,作为参考资料学习借鉴。本资源作为“参考资料”如果需要实现其他功能,需要能看懂代码,并且热爱钻研,自行调试。 基于python实现电信客户流失预测与分析源码(高分数据挖掘大作业).zip个人98分大作业项目,该资源包括项目的全部源码,下载可以直接使用!本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目,作为参考资料学习借鉴。本资源作为“参考资料”如果需要实现其他功能,需要能看懂代码,并且热爱钻研,自行调试。 基于python实现电信客户流失预测与分析源码(高分数据挖掘大作业).zip个人98分大作业项目,该资源包括项目的全部源码,下载可以直接使用!本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目,作为参考资料学习借鉴。本资源作为“参考资料”如果需要实现其他功能,需要能看懂代码,并且热爱钻研,自行调试。
资源推荐
资源详情
资源评论
收起资源包目录
基于python实现电信客户流失预测与分析.zip (36个子文件)
python实现电信客户流失预测与分析源码(数据挖掘)
train_bf.py 2KB
runs
6.pt 99KB
11.pt 99KB
14.pt 99KB
1.pt 99KB
18.pt 99KB
2.pt 99KB
4.pt 99KB
5.pt 99KB
19.pt 99KB
7.pt 99KB
8.pt 99KB
12.pt 99KB
0.pt 99KB
10.pt 99KB
15.pt 99KB
16.pt 99KB
9.pt 99KB
3.pt 99KB
13.pt 99KB
17.pt 99KB
utils
__init__.py 0B
loss_func.py 2KB
.idea
misc.xml 196B
Mining.iml 284B
inspectionProfiles
profiles_settings.xml 174B
modules.xml 264B
.gitignore 182B
encodings.xml 157B
module
__init__.py 0B
model.py 1KB
train.py 3KB
data_process
op_1to2.py 1KB
op_2.py 1KB
op_0to1.py 1KB
down_dim.py 513B
共 36 条
- 1
资源评论
- gf0023562024-06-04这个资源总结的也太全面了吧,内容详实,对我帮助很大。
不安分的小女孩
- 粉丝: 1w+
- 资源: 2419
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功