吴恩达机器学习课程-作业3-多分类和神经网络（python实现）

Machine Learning(Andrew) ex3-Multi-class Classification and Neural Networks

椰汁笔记

Multi-class Classification

• 1.1 Dataset

这里的数据存储变成了.mat的格式，这样的数据选择借助scipy.io.loadmat()实现

import scipy.io as sio
data = sio.loadmat("ex3data1.mat")
print(data.keys())#查看其中包含的key-value键值对
X = data['X']#通过字典的访问方式得到数据
y = data['y']

其中X和y都是numpy数组，X(5000,400)，y(5000,1)，其中X存储的是5000张20x20pixel的图片，y是图片对应的数字

• 1.2 Visualizing the data

可视化其中一部分图片，图片是按照代表的数字大小顺序存储的，为了更好的呈现数据集，重其中随机选择若干张图片，并拼接成一个大的图片显示（这里是我想多了，可以直接通过matplotlib.pyplot的subplot实现，既然做了就这样吧）

def randomly_select(images, numbers):
    """
    从images中选择numbers张图片
    
    parameters:
    ----------
    images : ndarray
            多干张图片
    numbers : int
            随机选择的图片数量
    """
    m = images.shape[0]
    n = images.shape[1]
    flags = np.zeros((m,), bool)
    res = False
    for i in range(numbers):
        index = random.randint(0, m - 1)
        while flags[index]:
            index = random.randint(0, m)
        if type(res) == bool:
            res = images[index].reshape(1, n)
        else:
            res = np.concatenate((res, images[index].reshape(1, n)), axis=0)
    return res

def mapping(images, images_dimension):
    """
    将若干张图片，组成一张图片

    parameters:
    ----------
    images : ndarray
            多干张图片
    images_dimension : int
            新的正方形大图片中一边上有多少张图片
    """
    image_dimension = int(np.sqrt(images.shape[-1]))
    image = False
    im = False
    for i in images:
        if type(image) == bool:
            image = i.reshape(image_dimension, image_dimension)
        else:
            if image.shape[-1] == image_dimension * images_dimension:
                if type(im) == bool:
                    im = image
                else:
                    im = np.concatenate((im, image), axis=0)
                image = i.reshape(image_dimension, image_dimension)
            else:
                image = np.concatenate((image, i.reshape(image_dimension, image_dimension)), axis=1)
    return np.concatenate