机器学习第5章神经网络概念总结和简单实践_关于机器学习中神经网络的论述与实践-优快云博客

本文链接：https://blog.youkuaiyun.com/Hey_yf/article/details/88537763

这篇博客总结了神经网络的基本概念，包括单层神经网络（感知机）及其发展成具有隐层的神经网络。内容包含了一张概念总结导图，并通过实践习题5.5，使用单隐层神经网络对西瓜数据集进行训练，展示了神经网络在实际问题中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

神经网络概念总结：

单层神经网络无隐层，为感知机，是神经网络的起源。

在输入层和输出层之间加上隐层，隐层同样具有和输出层一样的神经元功能，形成神经网络。

概念总结导图：

习题简单实践：

习题5.5 用单隐层网络训练西瓜数据集3.0.

# first round -- sklearn
import pandas as pd
import numpy as np
data = pd.read_csv('./CH4 TABLE4-3.csv', delimiter=',')
# 西瓜数据集3.0见第4张总结

data1 = data[:8]

data1 = data[['色泽','根蒂','敲声','纹理','脐部','触感','密度','含糖率','好坏']]
data2 = data1.replace(['青绿','蜷缩','浊响','清晰','凹陷','硬滑','乌黑','稍蜷','沉闷','稍糊','稍凹','软粘','浅白','硬挺','清脆','模糊','平坦','好瓜','坏瓜'],[1,1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,1,0])

X =np.array(data2.iloc[:,0:8])
y = np.array(data2.iloc[:,8])

from sklearn import model_selection
X_train,X_test,y_train,y_test = model_selection.train_test_split(X,y,test_size = 0.5,random_state=0)

from sklearn.neural_network import MLPClassifier
from sklearn import metrics
# solver取值sgd，基于梯度下降；这里因为数据量太小，选取了lbfgs
clf = MLPClassifier(activation='logistic',solver='lbfgs',random_state=0,hidden_layer_sizes=(4,))
clf.fit(X_train,y_train)
y_pred = clf.predict(X_test)
print(metrics.classification_report(y_test,y_pred))