python机器学习之神经网络(三)

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：

[python]
view plain
copy







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()