BP神经网络python的实现

# -*- coding: utf-8 -*-
"""
Created on Wed Mar 16 23:46:31 2022

@author: liaoy
"""

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

def sigmoid(x):
    """
    隐含层和输出层对应的函数法则
"""
    return 1/(1+np.exp(-x))

def BP(data_tr, data_te, maxiter=3000):
 
    # --pandas是基于numpy设计的，效率略低
    # 为提高处理效率，转换为数组
    data_tr, data_te = np.array(data_tr), np.array(data_te)
 
    # --隐层输入
    # -1： 代表的是隐层的阈值
    net_in = np.array([0.0, 0, -1])
    w_mid = np.random.rand(3, 4)          # 隐层权值阈值（-1x其中一个值：阈值）
 
    # 输出层输入
    # -1：代表输出层阈值
    out_in = np.array([0.0, 0, 0, 0, -1])
    w_out = np.random.rand(5)             # 输出层权值阈值（-1x其中一个值：阈值）
    delta_w_out = np.zeros([5])           # 存放输出层权值阈值的逆向计算误差
    delta_w_mid = np.zeros([3, 4])        # 存放因此能权值阈值的逆向计算误差
    yita = 1.75                           # η&