看吴恩达老师机器学习课程的反向传播神经网络(BP-Network)一节时,网上有个《十一行Python代码实现一个神经网络》小例子,非常小巧玲珑,不过和吴恩达老师实现过程不太一样(欢迎一起讨论),于是又找到了一篇《R语言13行代码实现神经网络》,正是想要的思路,和大家分享! 神经网络建模任务描述: 已知输入为Input,输出为Output...
return r # return n*j for u in range(6000): r = rbf(X,c,b) l1 = np.exp(-1*b*r) l2 = l1.dot(w.T) delta_w = (l2-y) * l1 delta_b = (l2-y) * w * l1* -1 * r w -= 0.1*np.sum(delta_w, 0) //此处其实是累积bp算法,将n个样本的梯度一起计算了 b -= 0.1*n...
library(AMORE) data<-read.table('G:\\dataguru\\ML\\ML09\\基于BP网络的个人信贷信用评估\\基于BP网络的个人信贷信用评估\\german.data-numeric') for (i in 1:25) { data[,i] <- as.numeric(as.vector(data)[,i]) } pos<-data[which(data$V25=='1'),] neg<-data[which(data$V25=='2'...