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