首页 诗词 字典 板报 句子 名言 友答 励志 学校 网站地图
当前位置: 首页 > 教程频道 > 其他教程 > 其他相关 >

数学之路(三)-机器学习(3)-机器学习算法-神经网络[21]

2013-09-09 
数学之路(3)-机器学习(3)-机器学习算法-神经网络[21]针对上节的风景图片分类,我们也可以使用多层感知器的

数学之路(3)-机器学习(3)-机器学习算法-神经网络[21]

针对上节的风景图片分类,我们也可以使用多层感知器的神经网络

我们将样本图片分块提取特征,然后这些特征做为样本所属类的输入,训练的输出目标我们使用下面的矩阵来表示

[0,0,1]

[0,1,0]

[1,0,0]

第一行表示第一类,以此类推,最后一行表示最后一类

整理输入样本与输出目标的代码如下:

def getresult(simjg):    jg=[]    for j in xrange(0,len(simjg)):        maxjg=-2        nowii=0        for i in xrange(0,len(simjg[0])):            if simjg[j][i]>maxjg:                maxjg=simjg[j][i]                nowii=i        jg.append(nowii+1)    return jg

泛化性指对一个映射给出一定的必要的训练样本训练后,网络能否对样本以外的样本给出较为准确的预测,泛化能力也就是神经网络用于对未知数据预测的能力。


热点排行