Back Propagation后向传播算法 Python实现

最新推荐文章于 2021-11-01 09:12:37 发布

Maggie张张

最新推荐文章于 2021-11-01 09:12:37 发布

阅读量2.7k

点赞数

分类专栏： data mining & machine learning python 文章标签： python 机器学习后向传播算法神经网络

本文链接：https://blog.csdn.net/zjsghww/article/details/71485677

版权

本文介绍如何用Python实现Back Propagation后向传播算法，通过训练sklearn.datasets的moon数据集的前250个样本，经过10000次迭代，达到87.6%的训练准确率。

摘要由CSDN通过智能技术生成

Back Propagation后向传播算法 Python实现

后向传播算法用来自动调节神经网络的参数，本次实现代码完全参照Back Propagation的讲解
选取sklearn.datasets的moon数据集的前250个样本进行训练，迭代10000次之后可以得到训练准确率达到87.6%

#!/bin/bash/env python
#-*- coding: utf-8
__author__ = 'ZhangJin'

import numpy as np

class BPNN:
    def __init__(self, input_array, output_array, layer_node_count_list, w_step_size=0.02, b_step_size=0.02):
        # layers记录每一层的输出,网络是从第0层开始算的
        self.layers = []
        self.input_array = input_array
        self.output_array = output_array
        self.layer_node_count_list = layer_node_count_list
        self.w_step_size = w_step_size
        self.b_s