python机器学习之神经网络（三）

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

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],[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() 

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脚本之家。