bp神经网络预测模型的python代码

下面是一个简单的 BP 神经网络预测模型的 Python 代码示例：

import numpy as np

# 定义 sigmoid 函数
def sigmoid(x):
    return 1 / (1 + np.exp(-x))

# 定义 BP 神经网络模型类
class BPNeuralNetwork:
    def __init__(self, layers):
        self.layers = layers
        self.weights = [np.random.randn(layers[i], layers[i+1]) for i in range(len(layers) - 1)]
        self.biases = [np.random.randn(1, layers[i+1]) for i in range(len(layers) - 1)]
    
    # 前向传播算法
    def forward(self, x):
        a = x
        for w, b in zip(self.weights, self.biases):
            z = np.dot(a, w) + b
            a = sigmoid(z)
        return a
    
    # 训练模型
    def train(self, X, Y, learning_rate=0.1, epochs=1000):
        for epoch in range(epochs):
            for x, y in zip(X, Y):
                a = [x]
                z_list = []
                for w, b in zip(self.weights, self.biases):
                    z = np.dot(a[-1], w) + b
                    z_list.append(z)
                    a.append(sigmoid(z))
                
                # 反向传播算法
                delta_L = (a[-1] - y) * sigmoid(z_list[-1], derivative=True)
                deltas = [delta_L]
                for w, z in zip(reversed(self.weights[1:]), reversed(z_list[:-1])):
                    delta = np.dot(delta, w.T) * sigmoid(z, derivative=True)
                    deltas.append(delta)
                deltas.reverse()
                
                # 更新权重和偏移量
                for i in range(len(self.weights)):
                    self.weights[i] -= learning_rate * np.dot(a[i].reshape(-1, 1), deltas[i].reshape(1, -1))
                    self.biases[i] -= learning_rate * deltas[i]
    
    # 预测
    def predict(self, X):
        return np.array([self.forward(x) for x in X])

这段代码定义了一个 BP 神经网络模型类 `BPNeuralNetwork`，拥有 `__init__`、`forward`、`train` 和 `predict` 四个方法。其中，`__init__` 方法用来初始化模型参数，`forward` 方法用于进行前向传播算法，`train` 方法用于训练模型并反向传播更新权重和偏移量，`predict` 方法用于预测输出。

你可以根据自己的需求，调整模型的各种参数和超参数，如网络层数、激活函数、学习率、迭代次数等。