python机器学习之神经网络(三)
2016-11-03 18:00
232 查看
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
plaincopy
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()
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
plaincopy
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()
相关文章推荐
- Python -- machine learning, neural network -- PyBrain 机器学习 神经网络
- python机器学习之神经网络(三)
- 机器学习:神经网络、正则化、多分类问题与Python代码实现
- 关于 Python 数据抓取 & 分析 & 机器学习 & 挖掘 & 神经网络 内容的分享。
- Python数据分析与机器学习-神经网络
- python机器学习之神经网络(一)
- 机器学习----神经网络(python)
- python机器学习之神经网络(一)
- 机器学习与神经网络(四):BP神经网络的介绍和Python代码实现
- 机器学习09--神经网络的激活函数(Activation Function)及python代码实现
- python机器学习之神经网络(一)
- 6.3神经网络实例1--python机器学习
- python机器学习之神经网络(二)
- python机器学习之神经网络(二)
- python机器学习之神经网络(二)
- python机器学习之神经网络(二)
- 6.1神经网络--python机器学习
- 6.2神经网络算法实现--python机器学习
- python机器学习库sklearn——神经网络感知器
- python机器学习之神经网络(三)