1、BP网络简介
BP网络(Back-ProPagation Network)又称反向传播神经网络,它是一种前馈式、多层、感知机网络。 通过样本数据的训练,不断修正网络权值和阈值使误差函数沿负梯度方向下降,逼近期望输出。它是一种应用较为广泛的神经网络模型,多用于函数逼近、模型识别分类、数据压缩和时间序列预测等。
BP网络由输入层、隐层和输出层组成,具有高度非线性和较强的泛化能力,但也存在收敛速度慢、迭代步数多、易于陷入局部极小和全局搜索能力差等缺点。
2、数据准备
现有训练、测试数据样本各300个,每个样本含有非线性数据x1,x2两者,还有一个与x1,x2有关的变量“类型”,设为y
3、模型目的
根据训练集中x1,x2与y的关系建立神经网络,从而预测测试集中300个样本数据对应的类型y,然后与实际值比较,确定模型的准确率。
4、模型建立
4.1 把x1,x2作为输入指标,类型作为输出指标。注意:x1,x2每列看做一组输入训练集,所以在读入数据要适当有技巧的转换