data.txt是训练集
运行train001.py 这个是正确的。 正确率0.9865
目前没找出来为什么bp_train.py这个文件的正确率是0.01.。。。。
不知道是不是哪里错了。
激活函数选的是sigmoid,没选tanh，tanh比较好，因为tanh的输出均值为0，具有更好的收敛性。
训练好的权重可以拿来进行预测。
可预测不规则的非线性的分隔超平面。
Python,机器学习算法.zip
需积分: 5 12 浏览量
2024-02-21
12:51:34
上传
评论
收藏 49.66MB ZIP 举报
Python,机器学习算法.zip （127个子文件） 
center 146B checkpoint 77B lr-binary.csv 5KB model.ckpt.data-00000-of-00001 37.48MB feature_file 200B .gitattributes 66B
train-images-idx3-ubyte.gz 9.45MB t10k-images-idx3-ubyte.gz 1.57MB train-labels-idx1-ubyte.gz 28KB t10k-labels-idx1-ubyte.gz 4KB heart_scale 27KB model.ckpt.index 914B
result001.jpg 581KB SVM_002.jpg 419KB SVM_001.jpg 410KB SVM_OO4.jpg 395KB SVM_005.jpg 373KB SVM_003.jpg 361KB 1_2.jpg 22KB 1_10.jpg 22KB 1_1.jpg 21KB 1_8_1.jpg 20KB 1_4.jpg 17KB 1_7_1.jpg 17KB 7_3.jpg 17KB 1_7_2.jpg 17KB 7_4.jpg 16KB 7_6.jpg 16KB 7_5.jpg 16KB 7_2.jpg 16KB 1_9.jpg 15KB 1_8_2.jpg 15KB 1_5.jpg 14KB 1_3.jpg 13KB 7_1.jpg 12KB 1_6.jpg 12KB num09.jpg 11KB num03.jpg 11KB label 3KB lastfailed 24B seprate.m 1002B step.m 868B convex_non.m 677B plot_line_weights.m 546B gd.m 539B direction.m 467B plot_line.m 320B plinear.m 295B amout.m 249B sigmoid.m 178B ReadMe.md 440B README.md 258B README.md 178B ReadMe.md 147B README.md 87B ReadMe.md 77B ReadMe.md 76B ReadMe.Md 45B model.ckpt.meta 65KB model_file 626KB nodeids 2B
num02.png 11KB 007.png 11KB sample-03.png 3KB sample.png 3KB sample-02.png 3KB predict_result 4KB svm.py 9KB train001.py 8KB bp_train.py 7KB train_random_forest.py 5KB testcf.py 5KB tree.py 4KB lr_train.py 4KB k-mean.py 4KB collaborativeFiltering.py 4KB train_01.py 3KB test_01.py 3KB train.py 3KB sigmoidFun.py 3KB Rnn.py 3KB test.py 3KB test_02.py 2KB predictfile.py 2KB train_02.py 2KB stacked_denoising_autoencoder.py 2KB Minist_begin.py 2KB linear_regression_test.py 2KB svm_train.py 2KB __init__.py 100B __init__.py 100B __init__.py 100B __init__.py 63B pytest.py 14B __init__.py 0B __init__.py 0B __init__.py 0B __init__.py 0B __init__.py 0B svm.cpython-36.pyc 6KB共 127 条
- 1
- 2
资源评论
