NN:神经网络实现识别手写的10个数字—Jason niu
2018-01-06 21:01
766 查看
import numpy as np from sklearn.datasets import load_digits from sklearn.metrics import confusion_matrix, classification_report from sklearn.preprocessing import LabelBinarizer from NeuralNetwork import NeuralNetwork from sklearn.cross_validation import train_test_split digits = load_digits() X = digits.data y = digits.target X -= X.min() X /= X.max() 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) 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) ) print (classification_report(y_test, predictions) )
相关文章推荐
- CNN:人工智能之神经网络算法进阶优化,六种不同优化算法实现手写数字识别逐步提高,应用案例自动驾驶之捕捉并识别周围车牌号—Jason niu
- PK/NN/*/SVM:实现手写数字识别(数据集50000张图片)比较3种算法神经网络、灰度平均值、SVM各自的准确率—Jason niu
- NN:神经网络算法进阶优化法,进一步提高手写数字识别的准确率—Jason niu
- 手把手入门神经网络系列(2)_74行代码实现手写数字识别
- C++从零实现深度神经网络之六——实战手写数字识别(sigmoid和tanh)
- 手把手入门神经网络系列(2)_74行代码实现手写数字识别
- 手把手入门神经网络系列(2)_74行代码实现手写数字识别
- 手把手入门神经网络系列(2)_74行代码实现手写数字识别
- Python实现深度学习之-神经网络识别手写数字(更新中,更新日期:2017-07-12)
- 机器学习笔记:tensorflow实现卷积神经网络经典案例--识别手写数字
- 逻辑回归softmax神经网络实现手写数字识别(cs)
- 基于神经网络和遗传算法的【手写数字识别】机器人的实现
- 手把手入门神经网络系列(2)_74行代码实现手写数字识别
- 用python的numpy实现神经网络 实现 手写数字识别
- python Tensorflow三层全连接神经网络实现手写数字识别
- 手把手入门神经网络系列(2)_74行代码实现手写数字识别
- 手把手入门神经网络系列(2)_74行代码实现手写数字识别
- 深度学习-传统神经网络使用TensorFlow框架实现MNIST手写数字识别
- 利用tensorflow一步一步实现基于MNIST 数据集进行手写数字识别的神经网络,逻辑回归
- 《神经网络与深度学习》第一章 使用神经网络来识别手写数字(三)- 用Python代码实现