小白学习机器学习---第五章:神经网络简单模型python实现

简单的单隐层神经网络实现，需要注意的是，隐层的结点个数需要经过多次试验获得最佳参数，如果设置太多可能引起过拟合问题，目前就简单实现其原理。

import numpy as np

class BP_network:
    def __init__(self):
        ###初始化变量###
        ###每一层的节点数
        self.input_node=0   #输入层
        self.hide_node=0    #隐层
        self.output_node=0   #输出层
        
        ###初始化每一层的输出变量
        self.input_out=[]
        self.hide_out=[]
        self.output_out=[]
        
        ###初始化输入层到隐层与隐层到输出层的权值
        self.ih_weight=[]
        self.ho_weight=[]
        
        ###初始化隐层与输出层的阈值
        self.hide_threshold=[]
        self.output_threshold=[]
        
        ####定义可选的激活函数与导数
        self.fun={
            'Sigmoid':Sigmoid,
            'SigmoidDerivate':SigmoidDerivate
        }
        
    def CreateNN(self,ni,nh,no,actiFun):
        """
        创建一个神经网络结构并且初始化参数
        ni,nh,no为三层节点个数
        actiFun:string,为激活函数
        
        """
        ###给各层节点数赋值
        self.input_node=ni
        self.hide_node=nh
        self.output_node=no
        
        ###给各层输出的值赋初值
        self.input_out=np.zeros(self.input_node) #赋0 [0,0,0.......,0]
        self.hide_out=np.zeros(self.hide_node)
        self.output_out=np.zeros(self.output_node)
        
        
        ###给两层之间的权值赋初值
        self.ih_weight=np.zeros([self.input_node,self.hide_node])
        self.ho_weight=np.zeros([self.hide_node,self.output_node])
        
        ####给所有权值赋初始值&#x