BP演算法的python實現男女生分類器

模式識別課上學習了bp演算法，並用bp演算法實現了男女生分類器，之前因為時間匆忙只是簡單記錄了一下**實現，現在重溫一下發現**中還是存在著一些問題，於是修改了一下bug，也當做是複習吧。本文完整**和資料集可以到這裡:bp演算法的python實現獲得。

bp演算法是神經網路中十分經典的演算法之一，要把它解釋清楚實在需要很多時間，我只想重點講一下基於bp演算法的男女生分類器python實現，理論方面推薦看知乎大佬的講解：神經網路，bp演算法的理解與推導。

採用bp神經網路設計男女生分類器。採用的特徵包括身高、體重、鞋碼、50m成績、肺活量共五個特徵，bp神經網路包含乙個隱層，隱層結點數為5。要求：自行編寫**完成後向傳播演算法，採用交叉驗證的方式實現對於效能指標的評判（包含se,sp,acc和auc，auc的計算可以基於平台的軟體包）。

file : dataset.py ***,birthplace,height,weight,shoesize,_50m,pulmonary 1,湖北, 163,51, 41,7.5, 2500 1,河南, 171,64, 41,7.5, 3500 1,雲南, 182,68, 45,7.8, 4900 1,廣西, 172,66, 42,8.2, 4800 1,四川, 185,80, 44,8.5, 5100 0,河北, 164,47, 38,9, 2500 0,河南, 160,46, 38,9, 2500..

.

資料處理

資料處理定義了兩個函maxminnorm和loaddataset，分別用於資料讀取和資料集歸一化。資料集檔案放在同級目錄dataset.csv檔案中，利用pandas庫讀取，並選出需要的特徵列，此處不需要籍貫特徵。返回dataset，dataset[0]為資料標籤，0代表女生，1代表男生。

# 歸一化函式
defmaxminnorm
(array)
:    maxcols=array.
max(axis=0)
mincols=array.
min(axis=0)
data_shape = array.shape
data_rows = data_shape[0]
data_cols = data_shape[1]
t=np.empty(
(data_rows,data_cols)
)for i in
range
(data_cols)
:        t[
:,i]
=(array[
:,i]
-mincols[i])/
(maxcols[i]
-mincols[i]
)return t
# 資料集讀取與處理
defloaddataset
(filepath)
:"""
載入資料集，對資料進行預處理，並打亂資料集
filepath: 資料集檔案存放路徑
"""pydata = pd.read_csv(filepath)
# 填充預設值--用各列平均數補全
pydata[
'shoesize'
]= pydata[
'shoesize'
].fillna(pydata[
'shoesize'
].mean())
pydata[
'_50m'
]= pydata[
'_50m'
].fillna(pydata[
'_50m'
].mean())
pydata[
'pulmonary'
]= pydata[
'pulmonary'
].fillna(pydata[
'pulmonary'
].mean())
data = pydata.dropna(
)    data = data.iloc[:,
[0,1
,2,3
,4,5
,6]]
.values
dataset = data[:,
[0,2
,3,4
,5,6
]]dataset = np.array(dataset)
dataset = maxminnorm(dataset)
return dataset

兩個部落格維護起來實在太麻煩了，需要完整**的請倉庫自取：bp演算法的python實現。完整內容見個人部落格：修行小生

BP演算法的python實現男女生分類器

Python簡單實現BP演算法

BP 演算法手動實現

標準BP演算法用Python程式設計實現

BP演算法的python實現 男女生分類器

Python簡單實現BP演算法

BP 演算法手動實現

標準BP演算法用Python程式設計實現

相關推薦

BP演算法的python實現男女生分類器