import?numpy?as?np
?
def?load_data_train（）:
????#直接聲明一個矩陣，有人可能會奇怪為什么不使用讀取文件的方法，原因是這樣的：
????#因為實際工作中從文件中獲取數據的時候比較少，這個項目的數據也是存儲在數據庫中。
????#聲明為矩陣的方式也是為了匹配數據庫讀寫模塊，這個是為了模擬數據庫讀寫模塊傳回的數據，
????#如果你要讀寫文件的話只要按照這個矩陣的樣子就可以了
????#PS：這個矩陣并不限制行和列的長度，只要最后一列是需要預測的因變量，而之前的列都為特征就可以使用。
????data_train?=?np.mat（[[3.2?9.6?3.45?2.15?140?2.8?11?502.24]
?????????????????[3.2?10.3?3.75?2.2?120?3.4?10.9?702.33]
?????????????????[3?9?3.5?2.2?140?3.5?11.4?502.24]
?????????????????[3.2?10.3?3.65?2.2?150?2.8?10.8?802.32]
?????????????????[3.2?10.1?3.5?2?80?1.5?11.3?502.2]
?????????????????[3.4?10?3.4?2.15?130?3.2?11.5?602.27]
?????????????????[3.2?9.6?3.55?2.14?130?3.5?11.8?652.2]
?????????????????[3?9?3.5?2.1?100?1.8?11.3?402.26]
?????????????????[3.2?9.6?3.55?2.1?130?3.5?11.8?652.2]
?????????????????[3.2?9.2?3.5?2.1?140?2.5?11?502.24]
?????????????????[3.2?9.5?3.4?2.15?115?2.8?11.9?502.24]
?????????????????[3.9?9?3.1?2?80?2.2?13?502.2]
?????????????????[3.1?9.5?3.6?2.1?90?2.7?11.1?702.2]
?????????????????[3.2?9.7?3.45?2.15?130?4.6?10.85?702.35]]）
????return?data_train
?
def?load_data_pre（）:
????#這里的聲明和上面的原因相似，只是為了模擬數據庫讀寫模塊的輸入
????#注意只能預測一組數據，如果想預測多組寫個循環就好了
????data_pre?=?np.array（[[3.09.33.32.051002.811.250]]）
????#開始進行數據標準化處理，做數據標準化的原因之前的博客也寫到過，這里再寫一下吧。
????#數據標準化的原因：不同的特征的大小范圍是不一樣的，將特征標準化，也便于不同單位或量級的指標能夠進行比較和加權。
????data_mean?=?data_pre.mean（）
????data_std?=?data_pre.std（）
????data_pre?=?（data_pre?-?data_mean）?/?data_std
????#標準化結束，返回數據
????return?data_pre

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件????????767??2019-03-31?15:15??遺傳算法\crossover.py

?????文件????????526??2019-03-31?19:49??遺傳算法\evaluate.py

?????文件???????1305??2019-04-10?17:35??遺傳算法\Ga.py

?????文件????????346??2019-03-30?23:43??遺傳算法\init.py

?????文件????????314??2019-03-31?12:41??遺傳算法\mutation.py

?????文件????????575??2019-03-22?00:32??遺傳算法\selection.py

?????文件????????897??2019-03-31?15:15??遺傳算法\__pycache__\crossover.cpython-35.pyc

?????文件????????718??2019-03-31?19:49??遺傳算法\__pycache__\evaluate.cpython-35.pyc

?????文件????????447??2019-03-30?23:43??遺傳算法\__pycache__\init.cpython-35.pyc

?????文件????????507??2019-03-31?12:41??遺傳算法\__pycache__\mutation.cpython-35.pyc

?????文件????????867??2019-03-22?08:44??遺傳算法\__pycache__\selection.cpython-35.pyc

?????文件???????6650??2019-05-05?16:57??蟻群算法\AntColony.py

?????文件???????7171??2019-05-17?15:45??蟻群算法\AntColony2.py

?????文件??????63488??2019-05-05?17:16??蟻群算法\蟻群算法.doc

?????文件???????5106??2019-06-12?14:38??禁忌搜索\jin.py

?????文件???????4432??2019-06-13?22:20??禁忌搜索\jinji（背包問題）.py

?????文件??????69868??2019-06-03?15:06??禁忌搜索\禁忌搜索.docx

?????文件???????3615??2019-05-17?15:41??粒子群算法\PSO.py

?????文件??????58744??2019-05-17?15:43??粒子群算法\粒子群算法.docx

?????文件???????3158??2019-04-25?23:31??神經網絡預測\46bf9c312b63b8bff541094f52eb698.png

?????文件???????2317??2019-04-25?15:58??神經網絡預測\DataLoad.py

?????文件????????861??2019-04-25?16:03??神經網絡預測\DataPrediction.py

?????文件????????520??2019-04-25?16:00??神經網絡預測\main.py

?????文件???????1751??2019-04-25?16:03??神經網絡預測\ModelTrain.py

?????文件??????13936??2019-04-25?16:04??神經網絡預測\modelweight

?????文件?????????38??2019-04-25?16:04??神經網絡預測\y_mean_std.txt

?????文件???????1527??2019-04-25?15:58??神經網絡預測\__pycache__\DataLoad.cpython-35.pyc

?????文件???????1021??2019-04-25?16:03??神經網絡預測\__pycache__\DataPrediction.cpython-35.pyc

?????文件???????1398??2019-04-25?16:03??神經網絡預測\__pycache__\ModelTrain.cpython-35.pyc

?????目錄??????????0??2019-03-31?19:49??遺傳算法\__pycache__

............此處省略9個文件信息