吴恩达神经网络（例手写数字识别）

` starmultiple `

已于 2022-08-10 22:37:16 修改

阅读量422

点赞数 1

分类专栏：笔记

于 2022-08-04 23:41:32 首次发布

本文为博主原创文章，未经本人允许不得转载。

本文链接：https://blog.csdn.net/starmultiple/article/details/126050266

版权

神经网络多元分类手写数字识别逻辑回归 Scikit-Learn

关键词由CSDN通过智能技术生成

文章目录

神经网络

神经网络

非线性假设

在这里插入图片描述

神经元与大脑

神经网络

起源:试图模仿大脑的算法。在80年代和90年代初被广泛使用; 90年代末，受欢迎程度有所下降。

最近的复兴:许多应用的最先进技术

模型展示

输入层隐藏层输出层
（逻辑运算）
在这里插入图片描述

多元分类

在这里插入图片描述

手写数字识别

在这里插入图片描述

#神经网络
import numpy as np
import pandas as pd
import matplotlib
import matplotlib.pyplot as plt
import scipy.optimize as opt
from scipy.io import loadmat
from sklearn.metrics import classification_report

#训练集
#训练集5000个数据，每个数据表示一个20*20的灰度图像也就是400维
def load_data(path, transpose=True):
    data = loadmat(path)
    X = data['X']
    y = data['y']
    y = y.reshape(y.shape[0])
    print(type(X))
    if transpose:
        X = np.array([im.reshape((20,20)).T.reshape(400) for im in X])
    return X, y
raw_x, raw_y = load_data(r'C:\\Users\\ex3data1.mat')
#<class 'numpy.ndarray'>
print(raw_x.shape, raw_y.shape)#(5000, 400) (5000,)


def plot_an_image(image):
    fig,ax=plt.subplots(figsize=(1,1))
    ax.matshow(image