python机器学习之神经网络(三)
来源:互联网 发布:mp4播放器软件下载 编辑:程序博客网 时间:2024/05/22 01:30
来自http://blog.csdn.net/cui134/article/details/26841073
前面两篇文章都是参考书本神经网络的原理,一步步写的代码,这篇博文里主要学习了如何使用neurolab库中的函数来实现神经网络的算法。
首先介绍一下neurolab库的配置:
neurolab下载地址:
进入该地址选择你所需要的版本进行下载,下载完成后解压。
neurolab需要采用python安装第三方软件包的方式进行安装,这里介绍一种安装方式:
(1)进入cmd窗口
(2)进入解压文件所在目录下
(3)输入 setup.py install
这样,在python安装目录的Python27\Lib\site-packages下,就可以看到neurolab的文件夹了,然后就可以使用neurolab库了。
使用neurolab库编写的代码如下:
- import numpy as np
- import matplotlib.pyplot as plt
- import neurolab as nl
- input = np.array([[4,11],[7,340],[10,95],[3,29],[7,43],[5,128]])
- target=np.array([[1],[0],[1],[0],[1],[0]])
- #2层网络,5个输入节点,一个输出节点
- net=nl.net.newff([[3,10],[11,400]],[5,1])
- err=net.train(input,target,epochs=500, show=1, goal=0.02)
- out=net.sim(input)
- mymean=np.mean(out)
- x_max=np.max(input[:,0])+5
- x_min=np.min(input[:,0])-5
- y_max=np.max(input[:,1])+5
- y_min=np.min(input[:,1])-5
- plt.subplot(211)
- #误差曲线
- plt.plot(range(len(err)),err)
- plt.xlabel('Epoch number')
- plt.ylabel('err (default SSE)')
- plt.subplot(212)
- #可视化图
- plt.xlim(x_min,x_max)
- plt.ylim(y_min,y_max)
- for i in xrange(0,len(input)):
- if out[i]>mymean:
- plt.plot(input[i,0],input[i,1],'ro')
- else:
- plt.plot(input[i,0],input[i,1],'r*')
- plt.show()
0 0
- python机器学习之神经网络(三)
- python机器学习之神经网络(三)
- python机器学习之神经网络(三)
- python机器学习之神经网络(三)
- python机器学习之神经网络(一)
- python机器学习之神经网络(二)
- python机器学习之神经网络(一)
- python机器学习之神经网络(二)
- python机器学习之神经网络(一)
- python机器学习之神经网络(二)
- python机器学习之神经网络(一)
- python机器学习之神经网络(二)
- Python机器学习Sklearn入门之神经网络
- 机器学习之神经网络
- 机器学习之神经网络
- 机器学习之神经网络
- 机器学习之神经网络
- 机器学习之神经网络
- 56.阶乘因式分解
- 架构相关采访
- js 实现多文件下载
- error LNK2019: 无法解析的外部符号,排错思路
- 深圳国际专利申请量为何遥遥领先
- python机器学习之神经网络(三)
- 62.笨小熊
- UVa 10763 - Foreign Exchange(结构体排序)
- 符号处理
- eclipse常用快捷键
- Android webview设置透明背景
- JavaScript学习 5.2.4 队列方法
- Linux下Eclipse的搭建
- NYOJ 364 田忌赛马