Python搭建全连接神经网络

本人是研一学生一枚，导师做图像方向。这是我的机器学习课程的作业，实现用Python语言搭建一个简单的神经网络模型，只有全连接层，激活函数是sigmoid，有问题欢迎批评指正。

#coding=utf-8

import numpy as np
import random

# 采用西瓜数据集,将离散的性质用数字表示,色泽分为{浅白,青绿,乌黑},分别表示为{0,1,2},根蒂分为{硬挺,稍蜷,蜷缩},敲声分为{清脆,浊响,沉闷},
# 纹理分为{模糊,稍糊,清晰},脐部分为{平坦,稍凹,凹陷},触感分为{软粘,硬滑},所有的数据集如下:
'''Layer类组成神经网络,是运算的实际执行者'''
class Layer():
    def __init__(self,size):
        self.inputdata=np.zeros(size[0])  # 该层的输入值
        self.outputdata=np.zeros(size[1])  # 该层的输出值
        self.weight = np.random.rand(size[0],size[1])-0.5  # 初始化该层的权重,采用随机生成小数的方式
    def forward(self,inputdata):  # 前向传播函数
        self.inputdata=inputdata   # 保存输入值,用于反向传播
        self.outputdata=1 / (1 + np.exp(-(np.dot(self.inputdata, self.weight))))  # 计算输出值,激活函数采用sigmoid
        return self.outputdata
    def backward(self,error):   # 反向传播函数
        delta=error* self.outputdata * (1 - self.outputdata)   # 计算上层传递的输出