数学之路(3)-机器学习(3)-机器学习算法-神经网络[13]

不用重复造轮子，我们可以直接使用多层感知器的库，目前多层感知器的库较多，我们选择纯python库实现的神经网络库-neurolab，该库基于LGPL协议，下载地址 为：

https://code.google.com/p/neurolab/

我们用这个库训练我们前面的非线性分类的例子

本博客所有内容是原创，未经书面许可，严禁任何形式的转载

http://blog.csdn.net/u010255642

>>> import neurolab as nl

>>> train_x = [[4,11],[7,340],[10,95],[3,29],[7,43],[5,128]]
>>> input=np.array(train_x)

>>> d =[[1],[0],[1],[0],[1],[0]]
>>> target=np.array(d)
>>> target
array([[1],
       [0],
       [1],
       [0],
       [1],
       [0]])
>>> input
array([[  4,  11],
       [  7, 340],
       [ 10,  95],
       [  3,  29],
       [  7,  43],
       [  5, 128]])

>>> net = nl.net.newff([[3, 10], [11, 400]], [5, 1])
>>> err = net.train(input, target, show=15)
Epoch: 15; Error: 0.326594518922;
Epoch: 30; Error: 0.0242485565317;
The goal of learning is reached

训练完毕后，我们验证一下，效果不错
>>> net.sim([[3, 10]])
array([[ 0.99999326]])
>>> net.sim([[9, 80]])
array([[ 0.89054486]])
>>> net.sim([[6.5,272]])
array([[ 0.05707987]])
>>> net.sim([[10,80]])
array([[ 0.9448553]])
>>> net.sim([[5,125]])
array([[ 0.12198103]])
>>> net.sim([[5,100]])
array([[ 0.18880761]])
>>> 

可以设定一个硬限幅函数，以0.5为一个阈值，超过这个阈值返回1，否则返回0