Python简单的ann神经网络代码

在Python中，我们可以使用Keras库来创建一个简单的前馈人工神经网络（ANN）。下面是一个使用Keras构建一个包含一个隐藏层的简单ANN示例，假设我们想要对二分类问题进行预测：

# 导入必要的库
from keras.models import Sequential
from keras.layers import Dense
import numpy as np

# 创建一个Sequential模型
model = Sequential()

# 添加一个输入层和一个隐藏层（例如，16个节点），激活函数通常使用ReLU
model.add(Dense(16, input_dim=8, activation='relu'))

# 添加一个输出层（对于二分类问题，一般使用sigmoid作为激活函数）
model.add(Dense(1, activation='sigmoid'))

# 编译模型，指定损失函数、优化器和评价指标
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# 假设我们有训练数据 X_train 和对应的标签 y_train
# 构造随机训练数据示例
X_train = np.random.rand(1000, 8)
y_train = np.random.randint(2, size=(1000, 1))

# 训练模型
model.fit(X_train, y_train, epochs=5, batch_size=32)

# 对新样本进行预测
new_data = np.array([[0.1, 0.2, ...]])  # 填充完整的测试样本
prediction = model.predict(new_data)

# 输出预测结果
print("Predicted class:", prediction > 0.5)