打印python的BP神经网络公式函数

def print_func(coefs,interprets,decimals=5):
    '''
    :param coefs: array对象
    :param interprets: array对象
    :decimals 系数保留的小数点数
    :return: string 神经网络表达式字符串列表
    '''
    y_num=len(interprets[1])
    x_num=len(coefs[0])
    hind_slice=len(coefs[1])
    y_str_ls=[]
    for i in range(y_num):
        y_str="y"+str(i+1)+"="
        for j in range(hind_slice):
            y_str += "\n+"+str(round(coefs[1][j][i],decimals))+"*"+"tansig("
            for m in range(x_num+1):
                if m!=x_num:
                    y_str+=str(round(coefs[0][m][j],decimals))+f"*X{m+1}"+"+"
                else:
                    y_str += str(round(interprets[0][j],decimals))
            y_str += ")"
        y_str+="\n+"+str(round(interprets[1][i],decimals))
        y_str=y_str.replace("+-","-")
        print(y_str)
        y_str_ls.append(y_str)
    # print(y_str_ls)
    return y_str_ls
在这里插入代码片

首先用sklearn包的MLPRegressor求出BP神经网络模型model，获取model.coef_和model.interpret_俩属性传入上面函数，即可成功获取BP神经网络的公式。
注意：本公式一般用于隐藏层不多的情况。