python实现BP神经网络的入门级实践

最新推荐文章于 2024-03-09 16:30:01 发布

嗦粉爱放醋

最新推荐文章于 2024-03-09 16:30:01 发布

阅读量988

点赞数 4

分类专栏： BP神经网络文章标签：神经网络 python

本文链接：https://blog.csdn.net/weixin_44992134/article/details/106439246

版权

本文介绍了使用Python实现BP神经网络来解决是否需要等待卡拉OK包间的问题。通过将文本数据转化为数字，构建了一个三层结构的神经网络，其中输入层8个节点，输出层1个节点，隐藏层节点数为8。文章详细阐述了数据预处理步骤，包括属性值的区间中值转换和0、1、2的数值变换，以降低计算复杂性和控制输出范围。训练完成后，展示了模型在特定数据上的预测结果及误差计算。

摘要由CSDN通过智能技术生成

考虑去卡拉OK厅唱歌的时候，是否要等待包间的问题。规定如下属性可用于描述该领域内的实例：
（1）Others（其他地点）：附近是否有其他卡拉OK厅；
（2）WaitCond（等候条件）：供顾客等候的地方是否舒适；
（3）Weekend（周末）：若是周六或周日，则为真；
（4）Consumers（顾客）：店中有多少顾客（值为None（没人），Some（一些）或Full（满座））；
（5）Price（价格）：价格范围（值为Cheep（便宜），Middle（中
等），Expensive（较贵））；
（6）Raining（下雨）：外面是否在下雨；
（7）Reservation（预约）：是否预约过；
（8）WaitEstimate（等候时间估计）：估计的等候时间（值为0—10，10—30，30—60，>60，单位为分钟）。
训练集见表：
实例属性目标WillWait
Others WCond WEnd Cons Price Rain Res WEst
X1 Yes No No Some EX No Yes 0-10 Yes
X2 Yes No No Full CH No No 30-60 No
X3 No Yes No Some CH No No 0-10 Yes
X4 Yes No Yes Full CH Yes No 10-30 Yes
X5 Yes No Yes Full EX No Yes >60 No
X6 No Yes No Some MID Yes Yes 0-10 Yes
X7 No Yes No None CH Yes No 0-10 No
X8 No No No Some MID Yes Yes 0-10 Yes
X9 No Yes Yes Full CH Yes No >60 No
X10 Yes Yes Yes Full EX No Yes 10-30 No
X11 No No No None CH No No 0-10 No
X12 Yes Yes Yes Full CH No No 30-60 Yes

首先是建立BP神经网络，本次实践采用隐含层数目为1的三层结构构建BP神经网络，从题目可知输入层结点为8，输出层节点为1，采用l=(n+m)1/2+a确定隐含层节点数目为8，变换函数选择S型函数f(x)=(1+e-x)-1。BP神经网络模型不能对文本进行直接的识别，所以此次实践把文本数据转换为数字形式：


#定义S型激励函数sigmoid
def sigmoid(x):
    s = 1 / (1 + np.exp(-x))
    return s
'''
@global_parameter:
eta
iteration_counts
sample_input
sample_output
input_hid_weight
hid_output_weight
hid_threshold
output_threshold
@local_parameter
hid_output
hid_error
output_error
est_output
output_sum_error
hid_sum_error
'''
sample_input = np.array([[1,0,0,1,3,0,1,1],
                         [1,0,0,2,1,0,0,3],
                         [0,1,0,1,1,0,0,1],
                         [1,0,1,2,1,1,0,2],
                         [1,0,1,2,3,0,1,4],
                         [0,1,0,1,2,1,1,1],
                         [