BP网络识别钓鱼网站

BP网络识别钓鱼网站的应用

声明
（１）该博文为个人的学习总结以及学习成果的应用，具体引用的资料请看参考文献。
（ 2 ）数据来源：https://archive.ics.uci.edu/ml/datasets/Website+Phishing

代码
1、定义相关函数

import numpy as np

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

# sigoid函数的一阶导数
def partial_sig(x):
    out = np.multiply(sig(x), (np.ones(x.shape) - sig(x))) #np.multiplt()对应位置的乘积
    return out
 
# 计算隐含层的输入
def hidden_in(feature, w0, b0):
    return feature * w0 + b0

# 计算隐含层的输出
def hidden_out(hidden_in):
    return sig(hidden_in)

# 计算输出层的输入
def predict_in(hidden_out, w1, b1):
    return hidden_out * w1 + b1

def predict_out(predict_in):
    return sig(predict_in)

模型训练函数

def bp_train(feature, label, n_hidden, maxCycle, alpha, n_output):
    m, n = np.shape(feature)
    # 1、初始化权重和偏置
    np.random.seed(2019)
    w0 = np.mat(np.random.normal(0, 1, size = (n, n_hidden)))
    b0 = np.mat(np