数据分析——BP神经网络

最新推荐文章于 2024-12-06 15:50:00 发布

Echoblabla

最新推荐文章于 2024-12-06 15:50:00 发布

阅读量2.1k

点赞数

分类专栏：机器学习文章标签：神经网络 python 深度学习

本文链接：https://blog.youkuaiyun.com/Echoblabla/article/details/107424275

版权

本文深入探讨了BP神经网络的构造机理，重点在于参数r、w、v、theta的调整，这些参数作为阈值和权值在训练过程中用于减少误差。通过不断训练，网络能够提升对训练集的拟合度，进一步提高测试集的预测准确性。文中还提及了测试集误差图以及使用MLP和sklearn库进行深度学习的相关应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

BP神经网络的构造机理

在这里插入图片描述

其中可以调整的参数是r、w、v、thta
我们将r、theta称为阈值；w、v称为权值；通过调整这几个参数不断训练缩小误差；从而使得训练集真实值和输出值误差不断缩小；进而才可使测试集预测值更为准确。
在这里插入图片描述

import pandas as pd
import numpy as np
data_tr=pd.read_csv('./BPdata_tr.txt')
yita=0.05#学习速率
n=len(data_tr)
def sigmoid(x):#网络激活函数
    return 1/(1+np.exp(-x))
net_in=np.array([])#网络输入
out_in=np.array([0,0,0,0,-1])#输出层的输入
real=pd.read_csv('./BPdata_te.txt')
w_mid=np.zeros([3,4])#隐层神经元的权值&阈值
w_out=np.zeros([