神经网络②——python实现神经网络

本文是神经网络系列的第二篇,通过Python实现神经网络,使用sklearn的手写数字数据集进行分类。首先介绍数据集加载和标准化,接着将数据拆分为训练集和测试集,最后创建并运行神经网络,虽然准确率不高,但展现了Python实现神经网络的基础过程。
摘要由CSDN通过智能技术生成

神经网络系列目录
神经网络①——神经网络原理介绍(BP算法)
神经网络③——sklearn参数介绍及应用
神经网络实战④——主播综合评分回归预测实战
最小二乘法&梯度下降法区别及python实现

上一篇博客介绍了神经网络其实就是两步,第一步是前向传输,根据输入的特征值与权重矩阵以及激活函数,不断往前计算,得到输出层的值,第二步就是后向传播,根据残差的加权求和,不断往后,直到输入层,然后更新权重,不断进行这两步,直接输出结果的误差在所要求范围内即可

本篇博文通过python代码实现神经网络,采用sklearn自带的手写数字集,看分类情况如何在这里插入图片描述

一、导入数据集并标准化
数据集的加载非常简单,直接调用load_digits即可,常用到的数据有:
digits.data:手写数字特征向量数据集,每一个元素都是一个64维的特征向量。

  • 1
    点赞
  • 32
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值