（ArtificialNeuralNetwork，ANN）人工神经网络模型，以数学和物理的方法对人脑神经网络展开修改、抽象化和仿真。本次只是一个非常简单的神经网络入门，牵涉到神经元模型和BP神经网络。

这里非常简单理解一下机器学习的三要素，分别是模型、策略与算法。模型还包括非随机效应部分（被说明变量和说明变量之间的关系，多为函数关系）和随机效应部分（扰动项）。策略是指如何原作线性规划的目标函数，少见的目标函数有线性重返的残差平方和、逻辑重返的似然函数、SVM中的合页函数等。

算法是对目标函数欲参的方法，比如通过微分的方法计算出来，或者用于数值计算出来领域的算法解法。其中神经网络就是使用数值算法解法参数，这就意味著每次计算出来获得的模型参数都会是有所不同的。／01／神经网络01神经元模型神经网络中最基本的成分是神经元模型。

每个神经元都是一个多输出单输入的信息处理单元，输出信号通过带上权重的相连传送，和阈值对比后获得总输出值，再行通过转录函数的处置产生单个输入。神经元的输入，是对转录函数套用输出权重和的结果。神经元的转录函数使得神经元具备有所不同的信息处理特性，体现了神经元输入与其激活状态之间的关系。本次牵涉到到的转录函数有阈值函数（阶跃函数）、sigmoid函数（S型函数）。

02单层感知器感知器是一种具备单层计算出来单元的神经网络，不能用来解决问题线性归纳的二分类问题。无法运用到多层感知器中，无法确认隐蔽层的希望输入。它的结构类似于之前的神经元模型。

转录函数使用单极性（或双极性）阈值函数。03BP神经网络使用误差偏移传播算法（有监督自学算法）训练的多层神经网络称作BP神经网络。归属于多层前馈型神经网络，模型的自学过程由信号的相反传播和误差偏移传播两个过程构成。

展开相反传播时信号从输出层计算出来各层权重和，经由各隐层最后传送到输入层，获得输入结果，较为输入结果与希望结果（监督信号），获得输入误差。误差偏移传播是依照梯度上升算法将误差沿着隐蔽层到输出层逐级偏移传播，将误差分摊给各层的所有单元，从而获得各个单元的误差信号（自学信号），据此改动各单元权值。

这两个信号传播过程大大循环以改版权值，最后根据判断条件辨别否完结循环。其网络结构广泛为单隐层网络，还包括输出层、隐层、输入层。

转录函数多使用sigmoid函数或线性函数，这里隐层和输入层皆使用sigmoid函数。／02／Python构建神经网络在有具体的训练样本后，网络的输出层结点数（说明变量个数）和输入层结点数（被说明变量的个数）之后已确定。

必须考虑到的则是说明了层的个数和每个说明了层的结点个数。下面利用书中的数据展开空战一波，一份移动离网数据。

移动通讯用户消费特征数据，目标字段为否萎缩，具备两个分类水平（是与否）。自变量包括了用户的基本信息、消费的产品信息以及用户的消费特征。

读取数据。importpandasaspdfromsklearnimportmetricsimportmatplotlib．pyplotaspltfromsklearn．preprocessingimportMinMaxScalerfromsklearn．neural＿networkimportMLPClassifierfromsklearn．model＿selectionimportGridSearchCVfromsklearn．model＿selectionimporttrain＿test＿split＃设置仅次于表明行数pd．set＿option（＇display．max＿rows＇，10）＃设置仅次于表明列数pd．set＿option（＇display．max＿columns＇，10）＃设置表明宽度为1000，这样就会在IDE中空格了pd．set＿option（＇display．width＇，1000）＃读取数据，skipinitialspace：忽视分隔符后的空白churn＝pd．read＿csv（＇telecom＿churn．csv＇，skipinitialspace＝True）print（churn）输入数据概况，包括3000多个用户数据。用于scikit－learn中的函数将数据集区分为训练集和测试集。

本文来源：1050开元网站-www.9023.com.cn