吴恩达机器学习课后习题（前馈神经网络）

一、神经网络

多分类问题时，若特征变量的次数过高，项数过多，用逻辑回归会很慢，此时需要用到神经网络。还是区分0-9的十个数字的问题，若已给定神经网络中的theta矩阵（需要用反向传播算法得出），实现前馈神经网络，理解神经网络的作用。
题目已给出a(1)为第一层输入层数据，有400个神经元代表每个数字的图像（不加偏置值）；
a(2)为隐藏层，有25个神经元（不加偏置值）；
a(3)为输出层‘，又10个神经元，以10个（0/1）值的向量表示；
theta1为第一层到第二层的参数矩阵（25，401）；
theta2为第二层到第三层的参数矩阵（10，26）。

二、实现前馈神经网络

导入数据包。

import numpy as np
from scipy.io import loadmat
from sklearn.metrics import classification_report

提取文件中的数据，查出两个向量的维度。(25,401) (10,26)

data = loadmat("E:\\Pycharm\\workspace\\ex3_Andrew\\ex3data1.mat")
weight = loadmat("E:\\Pycharm\\workspace\\ex3_Andrew\\ex3weights.mat"