python bp神经网络的库_Python_BP神经网络实现

Python_BP神经网络实现(鸢尾花分类测试)

简介

人工神经网络模型种类很多，其中根据网络内数据流向进行分类可以分为前馈网络、反馈网络和自组织网络。

通过对Andrew

Ng的深度学习课程的学习，本文总结其中浅层神经网络一章的知识点(本文重点不在于公式讲解，而是算法的简单实现，具体理论可看——深度学习工程师)。在此介绍和利用Python实现BP神经网络，BP神经网络是一种典型的前馈神经网络。

结构

BP神经网络分为三层分别是输入层、隐层和输出层，其中隐层的层数可以扩展，且每一层的神经元个数也可以增减。每一层中神经元与前后层神经元相连接，但是同一层神经元之间无连接。可看下方示意图。

原理

当我们使用BP神经网络来对数据进行分类或者预测的时候，每对有连接的神经元之间都有一个权重，记为w；同时还有偏移量，记为b。每个神经元中还有一个激活函数，记为σ(x)，要注意的是这不是一个函数，有多个函数可以作为激活函数：Sigmoid、tanh、Relu等。

在每一次迭代计算中，正向运算(输入层开始)，我们会计算出一个值，然后计算出该值与标准值的误差；反向运算(输出层开始)，按照减小误差方向，修正各连接权。通过一次次的迭代计算，直到误差减小到给定的极小值，就可以结束迭代，完成训练。

Python实现思路

通过python实现BP神经网络，主要有以下几个步骤：

神经网络结构确定

权重和偏移量参数初始化

正