BP神经网络预测算法python

BP神经网络是一种常用的人工神经网络，用于回归和分类问题。下面是一个简单的BP神经网络回归预测模型的Python实现示例：

import numpy as np

class BPNeuralNetwork:
    def __init__(self, input_dim, hidden_dim, output_dim):
        self.input_dim = input_dim
        self.hidden_dim = hidden_dim
        self.output_dim = output_dim
        self.weights1 = np.random.randn(self.input_dim, self.hidden_dim)
        self.bias1 = np.zeros((1, self.hidden_dim))
        self.weights2 = np.random.randn(self.hidden_dim, self.output_dim)
        self.bias2 = np.zeros((1, self.output_dim))

    def sigmoid(self, x):
        return 1 / (1 + np.exp(-x))

    def sigmoid_derivative(self, x):
        return x * (1 - x)

    def forward(self, X):
        self.z1 = np.dot(X, self.weights1) + self.bias1
        self.a1 = self.sigmoid(self.z1)
        self.z2 = np.dot(self.a1, self.weights2) + self.bias2
        self.a2 = self.sigmoid(self.z2)
        return self.a2

    def backward(self, X, y, output):
        self.error = y - output
        self.delta2 = self.error * self.sigmoid_derivative(output)
        self.error_hidden = self.delta2.dot(self.weights2.T)
        self.delta1 = self.error_hidden * self.sigmoid_derivative(self.a1)
        self.weights1 += X.T.dot(self.delta1)
        self.bias1 += np.sum(self.delta1, axis=0, keepdims=True)
        self.weights2 += self.a1.T.dot(self.delta2)
        self.bias2 += np.sum(self.delta2, axis=0)

    def train(self, X, y, epochs):
        for epoch in range(epochs):
            output = self.forward(X)
            self.backward(X, y, output)

    def predict(self, X):
        return self.forward(X)

# 示例
X = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
y = np.array([[0], [1], [1], [0]])
nn = BPNeuralNetwork(2, 3, 1)
nn.train(X, y, 10000)
print(nn.predict(X))

该示例中，我们定义了一个BPNeuralNetwork类，其中包含了神经网络的前向传播、反向传播和训练方法。我们使用sigmoid函数作为激活函数，并使用随机初始化的权重和偏置。在示例中，我们使用一个包含两个输入、三个隐藏神经元和一个输出的神经网络来解决异或问题。我们使用训练集进行训练，并使用训练好的模型进行预测。