bp神经网络+混淆矩阵代码,二分类模型

以下是使用Python和Scikit-learn库实现的二分类模型的BP神经网络和混淆矩阵代码：

from sklearn.neural_network import MLPClassifier
from sklearn.metrics import confusion_matrix

# 训练数据
X_train = [[0, 0], [0, 1], [1, 0], [1, 1]]
y_train = [0, 1, 1, 0]

# 创建BP神经网络模型
mlp = MLPClassifier(hidden_layer_sizes=(4,), activation="logistic", solver="sgd", max_iter=1000, random_state=1)

# 训练模型
mlp.fit(X_train, y_train)

# 预测数据
X_test = [[0, 0], [0, 1], [1, 0], [1, 1]]
y_pred = mlp.predict(X_test)

# 计算混淆矩阵
cm = confusion_matrix(y_train, y_pred)
print(cm)

在上面的代码中，我们使用了Scikit-learn库中的MLPClassifier类来创建BP神经网络模型，并利用fit()方法来训练模型。我们使用四个样本训练模型，每个样本都是由两个特征组成的。训练完成后，我们使用predict()方法来预测四个测试样本的分类，然后使用confusion_matrix()函数计算混淆矩阵。最后，我们将混淆矩阵打印出来。