python机器学习之神经网络（三）

概述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。

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：

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],43],[5,128]]) target=np.array([[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]],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,'r*')  plt.show() 

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持编程小技巧。

总结

以上是内存溢出为你收集整理的python机器学习之神经网络（三）全部内容，希望文章能够帮你解决python机器学习之神经网络（三）所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。