Python(pybrain模块)搭建神经网络BPNN

最新推荐文章于 2021-01-30 07:52:50 发布

codeQin

最新推荐文章于 2021-01-30 07:52:50 发布

阅读量5.2k

点赞数 2

本文链接：https://blog.csdn.net/qq_42394743/article/details/82943890

版权

本文介绍了如何在 Python 环境下使用 PyBrain 模块搭建神经网络 BPNN，包括分类和回归问题的解决。首先讲解了 PyBrain 的安装步骤，然后通过 iris 数据集展示 BPNN 分类的实现，最后展示了使用 breast_cancer 数据集进行 BPNN 回归的训练，并计算了训练和测试的准确率。

摘要由CSDN通过智能技术生成

(一)Python环境下安装pybrain(开源神经网络工具包)

pybrain模块(URL):https://github.com/pybrain/pybrain

pybrain官方文档:http://pybrain.org/docs/

git下载pybrain:git clone https://github.com/pybrain/pybrain

Tip:1.在安装pybrain前,要确保已安装模块scipy+numpy+nose

2.使用pip install pybrain也可以下载pybrain模块,但是在import pybrain时会报错,如下:

('ModuleNotFoundError: No module named 'structure')

3.模块下载完毕后得到文件夹(pybrain),在该文件中有一个重名的文件夹pybrain,需要把后者复制到site-packages目录下

(二)pybrain搭建BPNN(分类)

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import preprocessing
from pybrain.tools.shortcuts import buildNetwork
from pybrain.structure import *
from pybrain.datasets import ClassificationDataSet
from pybrain.supervised.trainers import BackpropTrainer
from sklearn.metrics import accuracy_score

import warnings
warnings.filterwarnings('ignore')

#构建数据集
data = datasets.load_iris()
X,y = data.data,data.target

x = preprocessing.StandardScaler().fit_transform(X)
dataset = ClassificationDataSet(x.shape[1],1,nb_classes=3)