python機器學習實現(xiàn)神經(jīng)網(wǎng)絡示例解析
更新時間：2021年10月29日 10:30:52 作者：SquirreI7
這篇文章主要為大家介紹了python機器學習python實現(xiàn)神經(jīng)網(wǎng)絡的示例解析，在同樣在進行python機器學習的同學可以借鑒參考下，希望能夠有所幫助
單神經(jīng)元引論
對于如花，大美，小明三個因素是如何影響小強這個因素的。
這里用到的是多元的線性回歸，比較基礎
from numpy import array,exp,dot,random
其中dot是點乘
導入關系矩陣：
X= array ( [ [0,0,1],[1,1,1],[1,0,1],[0,1,1]]) y = array( [ [0,1,1,0]]).T ## T means "transposition"
為了滿足0到1的可能性，我們采用激活函數(shù)
matlab作圖
x=[-8:0.001:8]
y=1./(1+exp(-x))
plot(x,y)
grid on
text(-6,0.8,['$\frac{1}{1+e^{-x}}$'],'interpreter','latex','fontsize',25)
然后
for it in range(10000):
z=dot(X,weights)
output=1/(1+exp(-z))##'dot' play role of "dot product"
error=y-output
delta=error*output*(1-output)
weights+=dot(X.T,delta)
其中
delta=error*output*(1-output)
是求導的結果和誤差相乘,表示梯度
具體數(shù)學流程
所以具體流程如下,X具體化了一下
error即為每個帶權參數(shù)經(jīng)過激活函數(shù)映射后到y(tǒng)結果的量化距離
最終代碼：(PS:默認lr取1，可修改)
from numpy import array,exp,dot,random
"""
Created on vscode 10/22/2021
@author Squirre17
"""
X=array([[0,0,1],[1,1,1],[1,0,1],[0,1,1]])
y=array([[0,1,1,0]]).T ## T means "transposition"
random.seed(1)
epochs=10000
weights=2*random.random((3,1))-1## 3 row 1 line, range[-1,1)
for it in range(epochs):
output=1/(1+exp(-dot(X,weights)))##'dot' play role of "dot product"
error=y-output
slope=output*(1-output)
delta=error*slope
weights+=dot(X.T,delta)
print(weights)
print(1/(1+exp( -dot([[1,0,0]], weights))))
參考
多神經(jīng)元
這個意思就是兩個美女XOR
單神經(jīng)元沒法解決，只能解決單一線性關系
代碼如下，可自行調整epoches和lr
from numpy import array,exp,dot,random
"""
Created on vscode 10/22/2021
@author Squirre17
"""
X=array([[0,0,1],[0,1,1],[1,0,1],[1,1,1]])
y=array([[0,1,1,0]]).T # T means "transposition"
random.seed(1)
epochs=100000
w0=2*random.random((3,4))-1 # input layer neure
w1=2*random.random((4,1))-1 # hidden layer neure
lr=1
def fp(input):
l1=1/(1+exp(-dot(input,w0))) # 4×4
l2=1/(1+exp(-dot(l1,w1))) # 4×1
return l1,l2
def bp(l1,l2,y):
l2_error=y-l2
l2_slope=l2*(1-l2)
l1_delta=l2_error*l2_slope*lr # 4×1
l1_error=l1_delta.dot(w1.T)
l1_slope=l1*(1-l1)
l0_delta=l1_error*l1_slope*lr
return l0_delta,l1_delta
for it in range(epochs):
l0=X
l1,l2=fp(l0)
l0_delta,l1_delta=bp(l1,l2,y)
w1+=dot(l1.T,l1_delta) # 4×4 4×1 # adjust w1 according to loss
w0+=dot(l0.T,l0_delta)
print(fp([[1,0,0]])[1])
其中關于l1_error=l1_delta.dot(w1.T)，就是第三層的誤差反向加權傳播給第二層
以上就是python機器學習實現(xiàn)神經(jīng)網(wǎng)絡示例解析的詳細內容，更多關于python機器學習實現(xiàn)神經(jīng)網(wǎng)絡的資料請關注腳本之家其它相關文章！
相關文章
聲音分類是音頻深度學習中應用最廣泛的方法之一,下面這篇文章主要給大家介紹了如何基于Pytorch實現(xiàn)聲音分類的相關資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2022-06-06
這篇文章主要全面剖析了Python的Django框架的部署技巧,包括Fabric等自動化部署和建立單元測試等方面,強烈推薦！需要的朋友可以參考下2015-04-04
今天小編就為大家分享一篇django初始化數(shù)據(jù)庫的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05
ubuntu?20.04系統(tǒng)下如何切換gcc/g++/python的版本
這篇文章主要給大家介紹了關于ubuntu?20.04系統(tǒng)下如何切換gcc/g++/python版本的相關資料,文中通過代碼介紹的非常詳細,對大家學習或者使用ubuntu具有一定的參考借鑒價值,需要的朋友可以參考下2023-12-12
這篇文章主要介紹了解決Python字典查找報Keyerror的問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-05-05
animegan2-pytorch機器學習項目可以實現(xiàn)照片動漫化，本文將為大家詳細介紹一下如何使用這一項目，感興趣的小伙伴快來跟隨小編一起學習吧2021-12-12
python中numpy.empty()函數(shù)實例講解
在本篇文章里小編給大家分享的是一篇關于python中numpy.empty()函數(shù)實例講解內容，對此有興趣的朋友們可以學習下。2021-02-02
這篇文章主要介紹了python生成單位陣或對角陣的三種方式小結，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-05-05
這篇文章介紹了Python中的re正則表達式模塊，文中通過示例代碼介紹的非常詳細。對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2022-05-05
這篇文章主要介紹了如何利用Python對Word內容進行各種樣式的設置，讓其能夠看起來更加的美觀。文中的示例代碼講解詳細，需要的可以參考一下2022-05-05