浅层神经网络工具函数.zip

浅层神经网络工具函数.zip

import matplotlib.pyplot as plt
import numpy as np
import sklearn
import sklearn.datasets
import sklearn.linear_model

def plot_decision_boundary（model X y）:
    # Set min and max values and give it some padding
    x_min x_max = X[0 :].min（） - 1 X[0 :].max（） + 1
    y_min y_max = X[1 :].min（） - 1 X[1 :].max（） + 1
    h = 0.01
    # Generate a grid of points with distance h between them
    xx yy = np.meshgrid（np.arange（x_min x_max h） np.arange（y_min y_max h））
    # Predict the function value for the whole grid
    Z = model（np.c_[xx.ravel（） yy.ravel（）]）
    Z = Z.reshape（xx.shape）
    # Plot the contour and training examples
    plt.contourf（xx yy Z cmap=plt.cm.Spectral）
    plt.ylabel（‘x2‘）
    plt.xlabel（‘x1‘）
    plt.scatter（X[0 :] X[1 :] c=y cmap=plt.cm.Spectral）
    

def sigmoid（x）:
    “““
    Compute the sigmoid of x

    Arguments:
    x -- A scalar or numpy array of any size.

    Return:
    s -- sigmoid（x）
    “““
    s = 1/（1+np.exp（-x））
    return s

def load_planar_dataset（）:
    np.random.seed（1）
    m = 400 # number of examples
    N = int（m/2） # number of points per class
    D = 2 # dimensionality
    X = np.zeros（（mD）） # data matrix where each row is a single example
    Y = np.zeros（（m1） dtype=‘uint8‘） # labels vector （0 for red 1 for blue）
    a = 4 # maximum ray of the flower

    for j in range（2）:
        ix = range（N*jN*（j+1））
        t = np.linspace（j*3.12（j+1）*3.12N） + np.random.randn（N）*0.2 # theta
        r = a*np.sin（4*t） + np.random.randn（N）*0.2 # radius
        X[ix] = np.c_[r*np.sin（t） r*np.cos（t）]
        Y[ix] = j
        
    X = X.T
    Y = Y.T

    return X Y

def load_extra_datasets（）:  
    N = 200
    noisy_circles = sklearn.datasets.make_circles（n_samples=N factor=.5 noise=.3）
    noisy_moons = sklearn.datasets.make_moons（n_samples=N noise=.2）
    blobs = sklearn.datasets.make_blobs（n_samples=N random_state=5 n_features=2 centers=6）
    gaussian_quantiles = sklearn.datasets.make_gaussian_quantiles（mean=None cov=0.5 n_samples=N n_features=2 n_classes=2 shuffle=True random_state=None）
    no_structure = np.random.rand（N 2） np.random.rand（N 2）
    
    return noisy_circles noisy_moons blobs gaussian_quantiles no_structure

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        2253  2018-08-06 14:32  planar_utils.py
     文件        3993  2017-10-24 21:01  testCases.py