用python做一个点集分类器的神经网络

1、用到的模块包括numpy、sklearn、matplotlib、scipy，请自行安装。

安装完成之后，在编译器里面加载下列模块：

import numpy as np

from sklearn import datasets, linear_model

import matplotlib.pyplot as plt

2、用make_moons构造一个点集，并画出散点图：

X,y = datasets.make_moons(365,noise=0.20)

make_moons是一个内置模型。

点集分为两种颜色，我们希望尽可能好的分开两种颜色。

3、做一个线性回归模型，用直线把点集分开。

分类效果很差，说明这个点集不适合使用线性回归模型。

4、下图里面的代码，是为了构造一个神经网络，写出的一些自定义函数。

5、然后，构造一个3层的神经网络：

model = build_model(3,print_loss=True)

运行，开始训练，训练20000次，但是我们只查看前5000次的损失，且每隔1000次查看一下。

6、最后，画出最终分界线：

Plot(lambda x:predict(model,x))

plt.title("Nonliear Model")

plt.show()