BPNet多层网络学习算法可以实现有效的分类，包括完整代码、训练和测试数据集。

BPNet算法是一种最有效的多层神经网络学习方法算法实现分类。包括已实现的代码和训练、测试的数据集。

#-*-coding:utf-8-*-
from numpy import *


class BPNet（object）:
    def __init__（self）:
        self.eb=0.01
        self.iterator=0
        self.eta=0.1
        self.mc=0.3
        self.maxiter=2000
        self.nHidden=4;
        self.nOut=1;
        self.errlist=[]
        self.dataMat=0
        self.classLabes=0
        self.nSampNu=0
        self.nSampDim=0
       # self.hi_wb=self.hi_wb+（1.0-self.mc）*self.eta*dhi_wb+self.mc*dhi_wbOld
    #激活函数
    def logistic（selfnet）:
        return 1.0/（1.0+exp（-net））
    #q全局误差函数
    def errorfunc（selfinX）:
        return sum（power（inX2））*0.5
    #传递函数导函数
    def dlogit（selfnet）:
        return multiply（net（1.0-net））

    def init__hiddenWB（self）:#隐含层初始化
        self.hi_w=2.0*（random.rand（self.nHiddenself.nSampDim）-0.5）
        self.hi_b = 2.0 * （random.rand（self.nHidden 1） - 0.5）
        self.hi_wb = mat（self.addcol（mat（self.hi_w）mat（self.hi_b）））

    def init_OutputWB（self）:#输出层初始化
        self.out_w=2.0*（random.rand（self.nOutself.nHidden）-0.5）
        self.out_b = 2.0 * （random.rand（self.nOut 1） - 0.5）
        self.out_wb = mat（self.addcol（mat（self.out_w）mat（self.out_b）））

    #加载数据集
    def loadDataSet（selffilename）:
        self.dataMat=[];self.classLabes=[]
        fr=open（filename）
        for line in fr.readlines（）:
            lineArr=line.strip（）.split（）
            self.dataMat.append（[float（lineArr[0]）float（lineArr[1]）1.0]）
            self.classLabes.append（float（lineArr[2]））
        self.dataMat=mat（self.dataMat）
        mn=shape（self.dataMat）
        self.nSampNum=m;#样本数量
        self.nSampDim=n-1#样本维度
    #数据集归一化
    def normalize（selfdataMat）:
        [mn]=shape（dataMat）
        for i in xrange（n-1）:
            dataMat[:i]=（dataMat[:i]-mean（dataMat[:i]））/（std（dataMat[:i]）+1.0e-10）
        return dataMat
    #矩阵新增新列
    def addcol（selfmatrix1matrix2）:
        [m1n1]=shape（matrix1）
        [m2n2]=shape（matrix2）
        if m1!=m2:
            print “different rowscan not merge matrix“
            return ;
        mergMat=zeros（（m1n1+n2））
        mergMat[:0:n1]=matrix1[:0:n1]
        mergMat[:n1:（n1+n2）]=matrix2[:0:n2]
        return mergMat
    #绘制分类点
    def drawClassScatter（selfplt）:
        i=0
        for mydata in self.dataMat:
            if self.classLabes[i]==1:
                plt.scatter（mydata[00]mydata[01]c=‘blue‘marker=‘o‘）
            else:
                plt.scatter（mydata[00] mydata[01] c=‘red‘ marker=‘s‘）
            i+=1
    #主函数----------
    def bpTrain（self）:
        SampIn=self.dataMat.T
        expected=mat（self.classLabes）
        self.init__hiddenWB（）;self.init_OutputWB（）
        dout_wbOld=0.0;dhi_wbOld=0.0
        #主循环
        for i in xrange（self.maxiter）:
            #正向传播，从输入层到隐藏层
            hi_input=self.hi_wb*SampIn
            hi_output=self.logistic（hi_input）
            hi2out=self.addcol（hi_output.Tones（（self.nSampNum1）））.

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件        448  2018-04-24 21:57  BPNet\.idea\BPNet.iml

     文件        213  2018-04-23 20:19  BPNet\.idea\misc.xml

     文件        466  2018-04-24 21:57  BPNet\.idea\modules.xml

     文件      22641  2018-04-25 20:45  BPNet\.idea\workspace.xml

     文件       5224  2018-04-25 19:54  BPNet\BPNet.py

     文件       6138  2018-04-25 19:54  BPNet\BPNet.pyc

     文件        577  2018-04-25 20:16  BPNet\BPTest.py

     文件       2251  2018-04-24 21:37  BPNet\data.txt

     目录          0  2018-04-27 18:57  BPNet\.idea

     目录          0  2018-04-27 18:57  BPNet

----------- ---------  ---------- -----  ----

                37958                    10