数学之路(3)-机器学习(3)-机器学习算法-神经网络[13]

不用重复造轮子，我们可以直接使用多层感知器的库，目前多层感知器的库较多，我们选择纯python库实现的神经网络库-neurolab，该库基于LGPL协议，下载地址 为：
https://code.google.com/p/neurolab/
我们用这个库训练我们前面的非线性分类的例子

本博客所有内容是原创，未经书面许可，严禁任何形式的转载

http://blog.csdn.net/u010255642

>>> import neurolab as nl

>>> train_x = [[4,11],[7,340],[10,95],[3,29],[7,43],[5,128]]

>>> input=np.array(train_x)

>>> d =[[1],[0],[1],[0],[1],[0]]

>>> target=np.array(d)

>>> target

array([[1],

       [0],

       [1],

       [0],

       [1],

       [0]])

>>> input

array([[  4,  11],

       [  7, 340],

       [ 10,  95],

       [  3,  29],

       [  7,  43],

       [  5, 128]])

>>> net = nl.net.newff([[3, 10], [11, 400]], [5, 1])

>>> err = net.train(input, target, show=15)

Epoch: 15; Error: 0.326594518922;

Epoch: 30; Error: 0.0242485565317;

The goal of learning is reached

训练完毕后，我们验证一下，效果不错

>>> net.sim([[3, 10]])

array([[ 0.99999326]])

>>> net.sim([[9, 80]])

array([[ 0.89054486]])

>>> net.sim([[6.5,272]])

array([[ 0.05707987]])

>>> net.sim([[10,80]])

array([[ 0.9448553]])

>>> net.sim([[5,125]])

array([[ 0.12198103]])

>>> net.sim([[5,100]])

array([[ 0.18880761]])

>>> 

可以设定一个硬限幅函数，以0.5为一个阈值，超过这个阈值返回1，否则返回0