搭建一个最简单的神经网络实现二分类

import numpy as np
#定义激活函数
def sigmoid(x,deriv=False):
    if(deriv==True):
        return x(1-x)
    return 1/(1+np.exp(-x))

#定义训练数据集
x=np.array([
            [0,0,1],
            [0,1,1],
            [1,0,1],
            [1,1,1],
            [0,0,1]
]
)

print(x.shape)
#定义标签数据集
y=np.array([
            [0],
            [1],
            [1],
            [0],
            [0]
]
)

print(y.shape)
#创建一个永久的随机种子来初始化l0，l1层权重
np.random.seed(1)
#初始化权重值w0并归一化到-1到1之间（配合sigmoid激活函数），4行3列权重矩阵因为3个输入值x1,x2,x3，4列因为模型有4个神经元输出4个特征值
w0=2*np.random.random((3,4))-1
#初始化权重值w1并归一化到-1到1之间（配合sigmoid激活函数），1行4列权重矩阵因为4个输入值x1,x2,x3，x4，1列因为输出一个分类值
w1=2*np.random.random((4,1))-1

print(w0)
print(w1)
#搭建一个简单的神经网络
for j in range(60000):
    #l0:模型数据输入
    l0=x
    #计算输入l0和权重矩阵w0的矩阵乘积
    l1=sigmoid(np.dot(l0,w0))
    #计算上一层输出的l1作为下一层即本层l1的输入和本层权重矩阵w1的矩阵乘积
    l2=sigmoid