机器学习：基于Python实现人工神经网络训练过程

机器学习：基于Python实现人工神经网络训练过程

作者：i阿极

作者简介：数据分析领域优质创作者、多项比赛获奖者：博主个人首页

😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍

📜📜📜如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！💪

---

大家好，我i阿极。喜欢本专栏的小伙伴，请多多支持

专栏案例：机器学习案例
机器学习(一)：线性回归之最小二乘法
机器学习(二)：线性回归之梯度下降法
机器学习(三)：基于线性回归对波士顿房价预测
机器学习(四)：基于KNN算法对鸢尾花类别进行分类预测
机器学习(五)：基于KNN模型对高炉发电量进行回归预测分析
机器学习(六)：基于高斯贝叶斯对面部皮肤进行预测分析
机器学习(七)：基于多项式贝叶斯对蘑菇毒性分类预测分析
机器学习(八)：基于PCA对人脸识别数据降维并建立KNN模型检验
机器学习(十四)：基于逻辑回归对超市销售活动预测分析
机器学习(十五)：基于神经网络对用户评论情感分析预测
机器学习(十六)：线性回归分析女性身高与体重之间的关系
机器学习(十七)：基于支持向量机（SVM）进行人脸识别预测
机器学习(十八)：基于逻辑回归对优惠券使用情况预测分析
机器学习(十九）：基于逻辑回归对某银行客户违约预测分析
机器学习(二十)：LightGBM算法原理（附案例实战）
机器学习(二十一)：基于朴素贝叶斯对花瓣花萼的宽度和长度分类预测
机器学习(二十二)：基于逻辑回归（Logistic Regression）对股票客户流失预测分析

---

---

1、人工神经网络简介

人工神经网络（ANN）是一种启发大脑的信息处理范例。人工神经网络与人一样，通过实例学习。ANN 通过学习过程配置用于特定应用，例如模式识别或数据分类。学习很大程度上涉及对神经元之间存在的突触连接的调整。

大脑由数千亿个称为神经元的细胞组成。这些神经元通过突触连接在一起，突触只不过是一个神经元可以向另一个神经元发送脉冲的连接。当一个神经元向另一个神经元发送兴奋信号时，该信号将被添加到该神经元的所有其他输入。如果它超过给定的阈值，那么它将导致目标神经元向前发出动作信号——这就是思维过程的内部工作原理。

在计算机科学中，我们通过使用矩阵在计算机上创建“网络”来模拟此过程。这些网络可以理解为神经元的抽象，而不考虑所有的生物复杂性。为了简单起见，我们将只建模一个简单的神经网络，其中有两层能够解决线性分类问题。

2、举例讲解人工神经网络原理

假设我们有一个问题，我们想要预测给定一组输入和输出作为训练示例的输出，如下所示：