#?-*-?coding:?utf-8?-*-
“““
Created?on?Thu?Jul?19?21:22:04?2018

@author:?yuanye
“““



import?numpy?as?np
import?matplotlib.pyplot?as?plt
from?sklearn.linear_model?import?LogisticRegression

#產(chǎn)生數(shù)據(jù)
np.random.seed（1）
m?=?600?????????????????????????????????#樣本數(shù)
N?=?int（m/2）????????????????????????????#分為兩類
D?=?2???????????????????????????????????#樣本的特征數(shù)或維度
X?=?np.zeros（（mD））?????????????????????#初始化樣本坐標(biāo)
Y?=?np.zeros（（m1））?????????????????????#初始化樣本標(biāo)簽
a?=?4???????????????????????????????????#基礎(chǔ)半徑

for?j?in?range（2）:
????ix?=?range（N*jN*（j+1））#ix=（0，199）（200，399）
????t?=?np.linspace（j*3.12（j+1）*3.12N）????????????????????????????#theta角度，產(chǎn)生200個(gè)角度并加入隨機(jī)數(shù)，保證角度隨機(jī)分開，圖像開起來稀疏程度不一
????r?=?a*np.sin（4*t）?+?np.random.randn（N）*0.2??????????????????????#radius半徑，4sin（4*t）并加入一定的隨機(jī)，圖像軌道不平滑
????X[ix]?=?np.c_[r*np.sin（t）?r*np.cos（t）]?????????????????????????#生成坐標(biāo)點(diǎn)
????Y[ix]?=?j???????????????????????????????????????????????????????#red?or?blue


X?=?X.T
Y?=?Y.T
log?=?LogisticRegression（C=2000）
log.fit（X.TY.ravel（））??????????????????????#用X和Y來進(jìn)行邏輯回歸訓(xùn)練

y_log_predict?=?log.predict（X.T）????????????#根據(jù)訓(xùn)練結(jié)果對X進(jìn)行預(yù)測
p_log?=?np.mean（y_log_predict==Y.ravel（））???#計(jì)算準(zhǔn)確率
print（‘邏輯回歸的準(zhǔn)確率為：%f‘%p_log）

x_min?x_max?=?X[0?:].min（）?-?1?X[0?:].max（）?+?1
y_min?y_max?=?X[1?:].min（）?-?1?X[1?:].max（）?+?1
xx?yy?=?np.meshgrid（np.arange（x_min?x_max?0.01）np.arange（y_min?y_max?0.01））?#將二維平面以0.01*0.01的間隔散開，xx為每個(gè)點(diǎn)的橫坐標(biāo)，yy為每個(gè)點(diǎn)的縱坐標(biāo)
zz?=?np.array（[xx.ravel（）?yy.ravel（）]）.T???#zz為每個(gè)點(diǎn)的橫縱坐標(biāo)，其行數(shù)為總點(diǎn)數(shù)，列數(shù)為特征數(shù)，即維度
Z?=?log.predict（zz）?????????????????????????#通過logistic回歸預(yù)測每個(gè)點(diǎn)的標(biāo)簽
Z?=?Z.reshape（xx.shape）
plt.figure（1）
plt.scatter（X[0?:]?X[1?:]?c=np.squeeze（Y）?edgecolors=‘k‘?s=40?cmap=plt.cm.Spectral）
plt.contourf（xx?yy?Z?alpha=0.3cmap=plt.cm.Spectral）?#繪制等高線
plt.xlim（xx.min（）?xx.max（））
plt.ylim（yy.min（）?yy.max（））
plt.show（）



#初始化參數(shù)
def?init_para（layer_dims）:
????L?=?len（layer_dims）?????????????#L為總層數(shù)
????np.random.seed（L）
????parameters?=?{}
????for?l?in?range（1L）:????????????#初始化W1~WLb1~bL
????????parameters[‘W‘+str（l）]?=?np.random.randn（layer_dims[l]?layer_dims[l-1]）*0.01
????????parameters[‘b‘+str（l）]?=?np.zeros（（layer_dims[l]?1））
????return?parameters

#單次前向運(yùn)算
def?single_forward（A_pre?W?b?mode）:
????Z?=?np.dot（W?A_pre）?+?b????????#根據(jù)上一層的輸出A_pre，以及本層的W?b計(jì)算本層的Z
????if?mode==‘sigmoid‘:?????????????#根據(jù)所選定的激活函數(shù)計(jì)算本層的輸出
????????A?=?1.0/（1+np.exp（-Z））
????if?mode==‘ReLU‘:
????????A?=?（Z+abs（Z））/2
????if?mode==‘tanh‘:
????????A?=?np.tanh（Z）
????cache?=?{‘A_pre‘:A_pre
?????????????‘W‘:W
?????????????‘b‘:b
?????????????‘Z‘:Z
?????????????‘A‘:A}
????return?A?cache

#前向傳播函數(shù)
def?prop_forward（X?parameters）:
????caches?=?[]
????A?=?X???????????????????????????#將X賦給A0
????L?=?len（parameters）//2
????for?l?in?range（1L）:????????????#l從1到L-1，調(diào)用L-1次前向運(yùn)算，由于A0的特征值存在大量負(fù)數(shù)，
????????A_pre?=?A???????????????????#因此第一層激活函數(shù)如果選用ReLU無法正確訓(xùn)練網(wǎng)絡(luò)，因?yàn)榇罅康男畔⒈唤氐?br/>????????Acache?=?single_forward（A_pre?parameters

?屬性????????????大小?????日期????時(shí)間???名稱
-----------?---------??----------?-----??----
?????文件????????7855??2018-07-27?00:00??neuralnetwork_Llayer_2.py
?????文件????????8532??2018-07-27?00:06??neuralnetwork_Llayer_3_ny_equal_3.py
?????文件??????721572??2018-07-27?00:22??吳恩達(dá)第一課第四周學(xué)習(xí)心得體會.docx
?????文件??????598050??2018-07-27?00:22??吳恩達(dá)第一課第四周學(xué)習(xí)心得體會.pdf
?????目錄???????????0??2018-07-26?21:54??CatRecognition_Llayer\
?????文件????????9447??2018-07-26?00:14??CatRecognition_Llayer\CatRecognition_NN_Llayer.py
?????目錄???????????0??2018-07-26?21:54??CatRecognition_Llayer\datasets\
?????文件??????616958??2017-09-02?17:29??CatRecognition_Llayer\datasets\test_catvnoncat.h5
?????文件?????2572022??2017-09-02?17:30??CatRecognition_Llayer\datasets\train_catvnoncat.h5
?????目錄???????????0??2018-07-26?21:54??CatRecognition_Llayer\images\
?????文件??????601084??2017-09-02?17:31??CatRecognition_Llayer\images\cat1.jpg
?????文件??????954514??2018-07-15?21:31??CatRecognition_Llayer\images\cat2.jpg
?????文件???????19441??2017-12-09?22:44??CatRecognition_Llayer\images\cat3.jpg
?????文件???????94439??2017-09-02?17:32??CatRecognition_Llayer\images\cat4.jpg
?????文件???????64278??2018-07-15?21:29??CatRecognition_Llayer\images\cat5.jpg
?????文件??????129629??2018-07-15?21:30??CatRecognition_Llayer\images\cat6.jpg
?????文件???????90920??2018-07-15?21:30??CatRecognition_Llayer\images\cat7.jpg
?????文件??????310181??2017-09-02?17:31??CatRecognition_Llayer\images\other1.jpg
?????文件??????339673??2017-09-02?17:32??CatRecognition_Llayer\images\other2.jpg
?????文件??????636273??2017-09-02?17:32??CatRecognition_Llayer\images\other3.jpg
?????文件???????17997??2017-12-09?22:46??CatRecognition_Llayer\images\other4.jpg
?????文件???????35351??2018-07-15?21:28??CatRecognition_Llayer\images\other5.jpg
?????文件???????41561??2018-07-15?21:31??CatRecognition_Llayer\images\other6.jpg
?????文件???????73296??2018-07-15?21:31??CatRecognition_Llayer\images\other7.jpg
?????文件????????7899??2018-07-26?23:57??neuralnetwork_Llayer_1.py