BP神经网络的Python实现

最新推荐文章于 2024-08-05 17:44:35 发布

_流雲

最新推荐文章于 2024-08-05 17:44:35 发布

阅读量4k

点赞数 5

分类专栏：模式识别与机器学习

本文链接：https://blog.csdn.net/wz2671/article/details/84177123

版权

本文介绍了如何利用Python编程实现BP神经网络，包括关键代码示例和最终的实现结果展示。

摘要由CSDN通过智能技术生成

BP神经网络的Python实现

利用python实现了简易的 bp神经网络模型，利用误差逆传播算法以及梯度下降法对网络进行训练，具体公式推到等可参考《机器学习》等相关书籍。
源码以及数据集可在链接 https://download.csdn.net/download/wz2671/10790394下载。

BP_TEST.py

# -*- coding: UTF-8 -*-

from BPNet.bpNet import *
import matplotlib.pyplot as plt

# 数据集
bpnet = BPNet()
bpnet.loadDataSet("testSet2.txt")
bpnet.normalize()

# 绘制数据集散点图
bpnet.drawClassScatter(plt)

# BP神经网络进行数据分类
bpnet.bpTrain()

# 计算和绘制分类线
x, z = bpnet.BPClassfier()
bpnet.classfyLine(plt, x, z)
plt.show()
# 绘制误差曲线
bpnet.TrendLine(plt)
plt.show()

bpNet.py

# -*- coding: utf-8 -*-

from numpy import *
import matplotlib.pyplot as plt
"""
BP神经网络的Python实现
公式推导等可参考：周志华《机器学习》
"""


class BPNet(object):
    def __init__(self):
        # 网络参数
        self.eb = 0.01          # 误差容限
        self.eta = 0.1          # 学习率
        self.mc = 0.3           # 动量因子
        self.maxiter = 2000     # 最大迭代次数
        self.errlist = []       # 误差列表
        self.data = None        # 数据集
        self.label = None       # 分类集
        self.nSampNum = 0       # 样本集行数
        self.nSampDim = 0       # 样本维度
        self.nHidden = 4        # 隐含层神经元
        self.nOut = 1           # 输出层
        self.iterator = 0       # 最优时迭代次数
        self.hide_wb = None       # 隐含层模型参数
        self.out_wb = None      # 输出层模型参数

    # 激活函数
    def logistic(self, net):
        return 1.0 / (1.0 + exp(-net)