python的快速排序算法,python十大排序算法

　　BP，累积BP算法原理，MATLAB编的真人在这里。

　　以下是我自己的Python代码。欢迎你的观点。

　　标准BP算法：

　　ImportnumpyasNPX=NP . matrix(NP . rand)3，2) #输入层随机生成三个样本，每个样本有两个神经元y=NP . matrix(NP . rand)3、每个样本有两个神经元q=3n=100000 k .从隐层到输出层有权重H:输出层阈值K:学习率 deffc _ SIG mod () (1NP.exp(-x))、defstandard_BP) x0，y0 L)h=NP L))index=0y _ hat=NP L))ITER=1 while itern:a=NP . dot(x[index]，v)B=fc _ SIGmod(a-r)B=NP w(# print)h)y _ hat[index]=fc _ SIGmod(B-h)# e=0.5 * NP . dot)y[index]-y _ hat[index]，(y ) (1-b))、w*g.T)、t ) forIinrange(n ) : for

　　发现训练后预测的y_hat值和之前比较接近。当然这里的标准BP算法实现相对简单~

　　累积BP算法：

　　ImportnumpyasNPX=NP . matrix(NP . rand)3，2) #输入层随机生成三个样本，每个样本有两个神经元y=NP . matrix)NP . rand)3、两个神经元q=3n=50000k=0.1q:输入层到隐含层的权重v:隐含层到输出层的权重h:阈值k的学习率： deffc _ si360 q，n，k ) :l=y.shapeZeros () x.shape[0]，q))Y _ hed l))ITER=1 while itern:for index inrange(x . Shape[0]):a=NP . dot(x[index]，V)B[index]=FC _ S Shape Y[index]-Y _ hat[index](E[index]=NP .乘法(NP。乘)1-B[索引]，(1-B[索引])，(w*g(索引)。t) #调整各自的系数)对于以上系数，平均值b _ bar=b . mean(axis=0)e _ bar=j)=v)I，j) k*e_bar) 0，j) *x_bar) 0，I) r=r-k * e) barforiinrange。I) i] h=h-k*g_bar iter=iter 1 print(输入层对隐藏层的权重为：)print) v) print))隐藏层的阈值为)print) r) print)

　　这里训练后得到的效果不高，训练后得到的y_hat值也不是很准确，就像之前自己用Matlab写的累积BP算法一样。为了得到更正确的模型，可以考虑几个因素。

　　选择隐藏层和输出层的激活函数(这里选择sigmod函数)；增加学习因子的迭代次数，增加隐含层的单元数，设置多个隐含层(这里只设置一个隐含层)。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。