机器学习之神经网络（五）手写数字识别案例调库实现

题目要求

某品牌运动鞋数据集有上万个样本，共有10个品种运动鞋，标记为0-9。每个样本的特征数据储存data.txt中，样本的标签文件存储在labels.txt中。

请完成该数据集的分类识别。可以用自己写的神经网络函数代码，也可以调用相关神经网络库函数。库函数导入，数据集的加载，适当缩放特征；将数据集随机分成训练集和测试集；调用神经网路相关库函数，或者自己编写的神经网络函数；建立适当的神经网络模型，包括神经网络结构，各种相关参数等；用训练集完成模型的训练，并计算在训练集上的准确率Accuracy及输出；用以上训练模型计算测试集的Precision，Recall和F1分数及输出

题目分析

本题目案例为运动鞋类别，其实就是我们学习神经网络的经典案例手写数字识别的更变版本，属于多分类问题。每逢碰到这种问题我们的解决思路一定要清晰，首先，一定是在心中设计好我们即将要使用的神经网络的架构，比如有几层隐藏层，每层的神经元个数是多少。我们都知道，大部分情况来说，多层大型的神经网络的模型效果比小型加入正则化的模型要好，那么此时我们要对数据进行观察，本次数据是10000个样本，每个样本有784个特征，那么对这种数据的训练，我们的神经网络的搭建就必须往大了搭，想必如果搭建成单层隐藏层，每个隐藏层十来个神经元的网络，拟合效果必然是很差的。这是常识，也是我们以后要多加注意积累的经验。
本次训练我选择至少两层隐层起步，第一层个数为400，第二层个数为100，进行尝试。
这里对数据的特征缩放，我们建议选择归一化缩放࿰