神经网络入门（python 自建）

最新推荐文章于 2022-11-14 21:14:38 发布

我要努力学习呀

最新推荐文章于 2022-11-14 21:14:38 发布

阅读量180

点赞数

分类专栏：机器学习 Python 基础神经网络

本文链接：https://blog.csdn.net/qq_41847677/article/details/103655314

版权

本文介绍了使用Python从头构建神经网络的基础过程，包括训练权重参数θ的获取及测试。测试结果显示精度有待提高，该网络为两层结构，简化了偏置项θ0的处理。

摘要由CSDN通过智能技术生成

训练得到θ

import numpy as np
import pandas as pd
from keras.datasets import  mnist

def sigmoid(x):
    return 1 / (1 + np.exp(-x))

def top(x,y,o):
    z=x.dot(o)
    h=sigmoid(z)
    j=np.sum(y*np.log(h)+(1-y)*np.log(1-h))
    return x,y,h,o,j # h 为预测，j 为代价函数

def bottom(x,y,h,o,j):
    s=h-y
    o=o-(1/x.shape[0])*(x.T).dot(s)
    return o # o 为修正后的参数

def begin(x,y):
    o=np.zeros((x.shape[1], y.shape[1]))
    return x,y,o


# 数据准备
# x =
# x1
# x2
# x3
#
# y =
# y1
# y2
# y3

(train_data, train_labels), (test_data, test_labels) = mnist.load_data()

x=train_data.reshape(60000,784)
y=np.zeros((60000,10))
for i in range(train_labels.shape[0]):
    y[i,train_labels[i]]=1


# 调用网络，该网络只有输入输出层
b=begin(x,y)
t=top(b[0],b[1],b[2])
o=bottom(t[0],t[1],t[2],t[3],t[4])
for i in range(9):
    t = top(x, y, o)
    o=bottom(t[0],t[1],t[2],t[3],t[4])
    print(o) # 在控制台显示

# 写入到