神经网络算法的实例

1.简单非线性关系数据集测试（XOR)

X:                  Y

0 0                 0

0 1                 1

1 0                 1

1 1                 0

Code:

 

#!/usr/bin/env python#-*-coding:utf-8-*-#神经网络测试的例子#简单非线性关系数据集测试(XOR)异或的运算from NeuralNetwork import NeuralNetwork import numpy as npnn=NeuralNetwork([2,2,1],'tanh')#算法集X=np.array([[0,0],[0,1],[1,0],[1,1]])y=np.array([0,1,1,0])nn.fit(X,y)for i in [[0,0],[0,1],[1,0],[1,1]]:    print(i,nn.predict(i))

结果解释：

0,0代表预测值为0.0022接近于0

实例2:手写数字识别

 每个图片8*8

识别数字：0 1 2 3 4 5 6 7 8 9 

code 

    

     

#!/usr/bin/env python#-*-coding:utf-8-*-#手写数字的识别 神经网络算法,利用写好的神经网络算法测试import numpy as npfrom sklearn.datasets import load_digitsfrom sklearn.metrics import confusion_matrix,classification_reportfrom sklearn.preprocessing import LabelBinarizerfrom NeuralNetwork import NeuralNetworkfrom sklearn.cross_validation import train_test_splitdigits=load_digits()X=digits.datay=digits.target#特征值 0 1之间X-=X.min()X/=X.max()#归一化nn=NeuralNetwork([64,100,10],'logistic')X_train,X_test,y_train,y_test=train_test_split(X,y)labels_train=LabelBinarizer().fit_transform(y_train)labels_test=LabelBinarizer().fit_transform(y_test)#转化为01，print('start fitting')nn.fit(X_train,labels_train,epochs=3000)predictions=[]for i in range(X_test.shape[0]):    o=nn.predict(X_test[i])    predictions.append(np.argmax(o))#print(confusion_matrix(y_test,predictions))#正确度print(classification_report(y_test,predictions))

结果解释:

     对角线上的值代表预测对的值，39代表0预测对了39次

          第一行第四个数5个1代表预测错了4预测成了0