机器学习1笔试月度解析（二）

题目要求

（一）题目要求
已知某保温杯品牌的数据集，共有超过10000个样本，分为10个系列产品种类。每个样本的特征数据储存warmdata.txt中，样本的标签文件存储在warm.txt中。请实现下列要求。
1.数据集加载，进行0-1缩放特征, 将数据集分成训练集(75%)和测试集(25%)(4分)
2.调用神经网络MLPClassifier库函数实现分类(共10分)：
-设置模型参数：隐藏层共2层，单元数分别为400,100；正则化参数0.1；最大迭代次数为200 (4分)
-使用训练集完成模型的训练，并计算和输出训练集和测试集的准确率(2分）
-分别计算并输出训练集和测试集的混淆矩阵和分类报告(4分)
3.编写神经网络实现(共26分)：
-完成数据初始化和对y值的onehotEncoder编码(4分)
-建立适当的神经网络模型，包括神经网络结构，相关参数初始化(要求隐藏层共2层，单元数分别为400,100)(4分)
-实现正(前)向传播算法(4分)
-实现反向传播算法(8分)
-分别计算和输出训练集和测试集的准确率(2分)
-分别计算并输出训练集和测试集的混淆矩阵和分类报告(4分)

题目解析

本题目的主要意思是使用手写和调库两种方法实现同样的效果。
所以应该编辑两个py文件。
调库实现比较简单，按题意顺序执行即可，题中指明使用0-1缩放，所以难度降低。
需要注意的点是手写神经网络的时候，需要对Y进行独热编码，而后计算准确率，混淆矩阵和分类报告的时候，需要对y进行解码，都是手写的过程，需要仔细去做，防止做错。

调库实现代码：

'''
    调库神经网络
'''
import numpy as np
from sklearn.metrics import confusion_matrix,classification_report
from sklearn.neural_network import MLPClassifier
# 读取数据
X = np.loadtxt(r'warmdata.txt',delimite