You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
45 lines
1.0 KiB
45 lines
1.0 KiB
# Neural Networks
|
|
|
|
自己编程实现两层或多层全连接神经网络，可以使用`moons` 或者`circles`数据集来测试、验证算法。
|
|
|
|
|
|
|
|
dataset_moons:
|
|
|
|
|
|
|
|
|
|
|
|
dataset_circles:
|
|
|
|
|
|
|
|
加载数据的方式是：
|
|
```python
|
|
# moon dataset
|
|
% matplotlib inline
|
|
import numpy as np
|
|
from sklearn import datasets
|
|
import matplotlib.pyplot as plt
|
|
|
|
# generate sample data
|
|
np.random.seed(0)
|
|
X, y = datasets.make_moons(200, noise=0.20)
|
|
|
|
# plot data
|
|
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Spectral)
|
|
plt.show()
|
|
```
|
|
|
|
dataset_circles的数据文件是`dataset_circles.csv`
|
|
|
|
|
|
|
|
要求：
|
|
|
|
1. 自己编程实现多层全连接神经网络的多分类。
|
|
2. 先用函数的方式实现网络的正向计算和反向误差传播，权值更新。
|
|
3. 构思并实现基于类的神经网络程序。
|
|
4. 学习`softmax`和`cross entropy`的方法，并实现类别所属概率的输出。
|
|
5. 对比自己实现与sklearn的方法的精度。
|
|
6. 如何将分类错误的样本可视化出来？ |