详解:如何用Python实现机器学习算法(3)
2017-12-25 MedSci MedSci原创
三、BP神经网络 全部代码 https://github.com/lawlite19/MachineLearning_Python/blob/master/NeuralNetwok/NeuralNetwork.py 1、神经网络model 先介绍个三层的神经网络,如下图所示 输入层(input layer)有三个units(为补上的bias
详解:如何用Python实现机器学习算法(2)三、BP神经网络 全部代码下载 1、神经网络model 先介绍个三层的神经网络,如下图所示 输入层(input layer)有三个units(为补上的bias,通常设为1) 表示第j层的第i个激励,也称为为单元unit 为第j层到第j+1层映射的权重矩阵,就是每条边的权重 所以可以得到: 隐含层: 输出层, 其中,S型函数,也成为激励函数 可以看出 为3x4的矩阵,为1x4的矩阵 ==》j+1的单元数x(j层的单元数+1) 2、代价函数 假设最后输出的,即代表输出层有K个单元 , 其中,代表第i个单元输出与逻辑回归的代价函数 差不多,就是累加上每个输出(共有K个输出) 3、正则化 L-->所有层的个数 -->第l层unit的个数 正则化后的代价函数为 共有L-1层,然后是累加对应每一层的theta矩阵,注意不包含加上偏置项对应的theta(0) 正则化后的代价函数实现代码: # 代价函数 def nnCostFunction(nn_params,input_layer_size,hidden_l
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
#机器#
29