利用神经网络进行手写数字识别

最新推荐文章于 2021-11-21 19:34:14 发布

原创最新推荐文章于 2021-11-21 19:34:14 发布 · 200 阅读

0 ·

CC 4.0 BY-SA版权

机器学习实战专栏收录该内容

4 篇文章

订阅专栏

该博客围绕利用神经网络进行手写数字识别展开，虽未给出具体内容，但核心是借助神经网络这一信息技术手段，达成手写数字识别的目的，在人工智能和模式识别领域有重要意义。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
from scipy.io import loadmat
def sigmoid(z):
    z=np.matrix(z)
    return 1/(1+np.exp(-z))
def predict(theta1,theta2,x):
    #theta1:25*401 输入层多一个偏置项
    #theta2:10*26  隐藏层多一个偏置项
    m=x.shape[0]  #样本数
    num_labels=theta2.shape[0]  #类别数
    theta1=np.matrix(theta1)
    theta2=np.matrix(theta2)
    x=np.matrix(x)
    
    x=np.c_[np.ones((m,1)),x]
    z1=x*theta1.T
    a1=sigmoid(z1)
    a1=np.c_[np.ones((m,1)),a1]
    z2=a1*theta2.T
    a2=sigmoid(z2)
    p=np.argmax(a2,axis=1)
    
    p+=1
    return p;
def predictOfPercent(theta1,theta2,X,y):
    p=predict(theta1,theta2,X)
    count=0
    size=len(X)
    for i in range(size):
        if(p[i]==y[i]):
            count+=1
    print(count/float(len(y))*100)
theta=loadmat('E:\\machine learning\\homework3\\ex3weights.mat')
theta1=theta['Theta1']
theta2=theta['Theta2']
data=loadmat('E:\\machine learning\\homework3\\ex3data1.mat')
X=data['X']
y=data['y']
predictOfPercent(theta1,theta2,X,y)