神经网络②——python实现神经网络

神经网络系列目录：
神经网络①——神经网络原理介绍（BP算法）
神经网络③——sklearn参数介绍及应用
神经网络实战④——主播综合评分回归预测实战
最小二乘法&梯度下降法区别及python实现

上一篇博客介绍了神经网络其实就是两步，第一步是前向传输，根据输入的特征值与权重矩阵以及激活函数，不断往前计算，得到输出层的值，第二步就是后向传播，根据残差的加权求和，不断往后，直到输入层，然后更新权重，不断进行这两步，直接输出结果的误差在所要求范围内即可。

本篇博文通过python代码实现神经网络，采用sklearn自带的手写数字集，看分类情况如何

一、导入数据集并标准化
数据集的加载非常简单，直接调用load_digits即可，常用到的数据有：
digits.data：手写数字特征向量数据集，每一个元素都是一个64维的特征向量。
digits.target：特征向量对应的标记，每一个元素都是自然是0-9的数字。
digits.images：对应着data中的数据，每一个元素都是8*8的二维数组，其元素代表的是灰度值，转化为以为是便是特征向量

# python实现神经网络
from sklearn.