python机器学习之神经网络(三)

前面两篇文章都是参考书本神经网络的原理，一步步写的代码，这篇博文里主要学习了如何使用neurolab库中的函数来实现神经网络的算法。

首先介绍一下neurolab库的配置：

neurolab下载地址：

进入该地址选择你所需要的版本进行下载，下载完成后解压。

neurolab需要采用python安装第三方软件包的方式进行安装，这里介绍一种安装方式：

(1)进入cmd窗口

(2)进入解压文件所在目录下

(3)输入 setup.py install

这样，在python安装目录的Python27\Lib\site-packages下，就可以看到neurolab的文件夹了，然后就可以使用neurolab库了。

使用neurolab库编写的代码如下：

import numpy as np
import matplotlib.pyplot as plt
import neurolab as nl
input = np.array([[4,11],[7,340],[10,95],[3,29],[7,43],[5,128]])
target=np.array([[1],[0],[1],[0],[1],[0]])
#2层网络，5个输入节点，一个输出节点
net=nl.net.newff([[3,10],[11,400]],[5,1])
err=net.train(input,target,epochs=500, show=1, goal=0.02)
out=net.sim(input)
mymean=np.mean(out)
x_max=np.max(input[:,0])+5
x_min=np.min(input[:,0])-5
y_max=np.max(input[:,1])+5
y_min=np.min(input[:,1])-5
plt.subplot(211)
#误差曲线
plt.plot(range(len(err)),err)
plt.xlabel('Epoch number')
plt.ylabel('err (default SSE)')
plt.subplot(212)
#可视化图
plt.xlim(x_min,x_max)
plt.ylim(y_min,y_max)
for i in xrange(0,len(input)):
    if out[i]>mymean:
        plt.plot(input[i,0],input[i,1],'ro')
    else:
        plt.plot(input[i,0],input[i,1],'r*')

plt.show()