本文由 资源共享网 – ziyuan 发布,转载请注明出处,如有问题请联系我们!Python 基于BP神经网络实现鸢尾花的分类源码(人工智能)
本文用Python实现了BP神经网络分类算法,根据鸢尾花的4个特征,实现3种鸢尾花的分类。 算法参考文章:纯Python实现鸢尾属植物数据集神经网络模型
iris_data_classification_bpnn_V1.py 需使用 bpnn_V1数据集 文件夹中的数据
iris_data_classification_bpnn_V2.py 需使用 bpnn_V2数据集 文件夹中的数据
iris_data_classification_knn.py 需使用 原始数据集 文件夹中的数据
iris_data_cluster_sklearn.py 需使用 sklearn数据集 文件夹中的数据
不同数据集里数据都是一样的,只是为了程序使用方便而做了一些格式的变动。
1.数据准备
鸢尾花数据集包含4种特征,萼片长度(Sepal Length)、萼片宽度(Sepal Width)、花瓣长度(Petal Length)和花瓣宽度(Petal Width),以及3种鸢尾花Versicolor、Virginica和Setosa。
数据集共151行,5列:
- 第1行是数据说明,“150”表示共150条数据;“4”表示特征数;“setosa、versicolor、virginica”是三类花的名字
- 第2行至第151行是150条数据
- 第1至4列是Sepal Length、Sepal Width、Petal Length、Petal
Width 4个特征
- 第5列是花的类别,用0、1、2表示
1. 将150条数据分隔为两个文件,前120条另存为`iris_training.csv`,即训练集;后30条另存为`iris_test.csv`,即测试集;
2. 训练集和测试集都删去第1行;
3. 训练集和测试集都删去原来的最后1列,并新增加3列,目的是用3列来表示鸢尾花的分类:如果原来最后一列是0,则新增加的3列为(0,0,0);如果原来最后一列是1,则新增加的3列为(0,1,0);如果原来最后一列是2,则新增加的3列为(0,0,1)。
算法的实现总共分为6步:
1. 初始化参数
2. 前向传播
3. 计算代价函数
4. 反向传播
5. 更新参数
6. 模型评估
python资源(Python 基于BP神经网络实现鸢尾花的分类源码(人工智能))网址:https://www.08i8.com/ttkfzy/detail83834.html;转载请注明!
与《Python 基于BP神经网络实现鸢尾花的分类源码(人工智能)》相关的《函数类库》
python调用算法过阿里滑块验证的源码
python过阿里X82YX5SEC滑块UA算法例子
5 48543 0
铅垂面内无控飞行导弹弹道仿真python源码
使用python可以作为openpyxl处理excel,使用scipy实现高维插值的示例程序使用numpy,openpyxl,scipy,matplotlib实现铅垂面内无控飞行导弹弹道仿真,
20 27080 0
arcgis测绘工具(包含Python源代码和教程)
有一点点编程基础的小伙伴根据这个工具,应该能很快上手,编写属于自己的工具没有编程基础的小伙伴也没有关系,这个基础工具能多少辅助一下大数据量的操作总共有六种功能,我认为是基础且常用的,分享给大家,压缩包中包含DOC使用说明文档主要功能:1、合并,可以合并GDB或MDB数据,有小伙伴反映有MDB合并会空的情况,可以将最后合并的数据放到GDB里面试一试,也有可能是数据有几何异常的情况,先做几何修复,我们...
10 17234 0