基于Python实现的MLPNN实验

痛定思痛。 2024-04-07 16:02 88阅读 0赞

## MLPNN实验报告 ##

### 一、数据处理 ###

本次实验数据集为 Breast cancer dataset

通过sklearn.datasets获取数据

cancer = load_breast_cancer()
    cancer_x=cancer.data
    cancer_y=cancer.target

查看数据大小即部分数据：

print("加载完毕，数据大小：")
    print(cancer_x.shape)
    print(cancer_y.shape)
    print("前5个数据：")
    for i in range(5):
    print(cancer_x[i],cancer_y[i])

![在这里插入图片描述][b97b0aa43649422db351a792df9f76d3.png]

breast cancer 的影响因素有30个，结果为0,1，表示是否患病

对数据进行拆分, test\_size=0.2：

`x_train,x_test,y_train, y_test=train_test_split(cancer_x,cancer_y,test_size=0.2)`

### 二、算法 ###

![在这里插入图片描述][b7e597b706e84b21b6386cab222bd6bd.png]

如图为单层隐藏层的MLPNN模型示意图，输入层为数据集的数据，输出层为数据集的标签

隐藏层神经元表示为：

![在这里插入图片描述][0356ff8de2434a179817809997dc9d0c.png]

每个单元发出它的激活函数：

![在这里插入图片描述][172be1f024554b968f1efef8d55c5004.png]

输出层为：  
![在这里插入图片描述][8cb6c561f59d41a69899251065333532.png]

每个单元输出其激活函数：

![在这里插入图片描述][6da86df0fc5f4f6f864ca5c090edfb50.png]

映射函数：

![在这里插入图片描述][4c3cb8a8b3a74992b0c5d7c91e9d9e50.png]

误差函数：

平方和误差函数：

![在这里插入图片描述][352c349a09704a6d8217169443b4b14b.png]

### 三、模型 ###

模型 MLPClassifier, 其中参数solver表示权重优化的求解器。'lbfgs’是准牛顿方法族的优化器；'sgd’指的是随机梯度下降。

参数alpha是L2惩罚参数，默认值0.0001

参数max\_iter是最大迭代次数，默认值200

参数hidden\_layer\_sizes是隐藏层神经元数，默认值（100，）

### 四、结果 ###

![在这里插入图片描述][b1d65a4d935544ad8fb8a53700ab6c4e.png]

用‘sgd’的正确率为：0.921

用‘lbfgs’的正确率为：0.947

[b97b0aa43649422db351a792df9f76d3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/324cdb3ee4a04540afbe67f42c28c38b.png
[b7e597b706e84b21b6386cab222bd6bd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/d45e51ab2c4c4730adc822ce1df038f9.png
[0356ff8de2434a179817809997dc9d0c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/bda6ab2140d04dc4b788c62b7ef61bc4.png
[172be1f024554b968f1efef8d55c5004.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/6039d83639b84e7da7b808fbd39c9fce.png
[8cb6c561f59d41a69899251065333532.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/86c9266ac11c4cb384321740fce3cda0.png
[6da86df0fc5f4f6f864ca5c090edfb50.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/5bdddf7799af45078255684547baf578.png
[4c3cb8a8b3a74992b0c5d7c91e9d9e50.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/b267a005e75142749c50435ae7d6b2c7.png
[352c349a09704a6d8217169443b4b14b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/6d3c19d959634604b022aee580202aec.png
[b1d65a4d935544ad8fb8a53700ab6c4e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/fd4c7b33c8364772b73083a70e47a26b.png