BP 神经网络（反向传播的神经网络）的解读，python 代码_神经网络python代码

人工神经网络这几年太火了，普遍用于预测、语音或图像识别。四五年前曾经想学习，但没有找到好的学习资料，一直一知半解的。最近一段时间因为要用 BP 神经网络做需求预测，就重新捡起来了。中文资料大部分的讲解不清晰（符号普遍比较混乱），于是结合维基百科以及查阅的几个英文资料，写下自己对这一算法的理解。

一、 神经网络算法的内涵

神经网络的目标是：找到一个能把一组输入最好地映射到其正确输出的函数。例如一个简单的分类任务，其中输入是动物的图像，正确的输出将是动物的名称。或者根据历史需求数据，预测未来一期的需求。

神经网络的思想（内涵）类似回归分析中经常用到的拟合，都用到了最小二乘的思想：数学意义上的决策目标是：选取一些参数（神经网络中每个输入的权重），使得拟合的输出与期望输出的误差平方和最小。

下面是一个神经网络示意图（输入层有 3个神经元，隐含层有 3个神经元，输出层有 3个神经元），输入信息经过正向传播到输出，计算实际输出与期望输出的误差后，在反向传播误差；重复这个过程，在传播过程中，不断减少误差，直到误差减少到一定程度终止。

误差反向传播，是该神经网络叫做 BP 神经网络的原因。

二、神经元之间信息的传递

每个神经元接受上一层所有神经元传递过来的信息，然后传递到下一层。接受信号时，按一定权重 $w_{ij}$ 接受信号。 下图是一个接受信号与传递信号的示意图：

$w_{ij}$ 表示从神经元 $i$ 传递到神经元 $j$ 时的权重（每个神经元的阈值 ${\theta }_j$ 也能放在权重里表示，为了便于推算和理解，下面就不提阈值了），神经元 $i$ 处传来的信息值大小为 $o_i$（若神经元 $i$ 在输入层，则 $o_i=x_i$），则每个神经元 $j$ 的激活值 (activation value) $a_j$ 等于：
$$a_j=\sum _i{w}_{ij}{o}_i\text{\hspace{1em}(1)}$$

神经元 $j$ 有了激活值后，根据它的激活函数（或叫传递函数）$\phi$ ，计算得到它的信息量大小 $o_j$：
$$o_j=\phi (a_j)=\phi (\sum _i{w}_{ij}{o}_i)\text{\hspace{1em}(2)}$$

常用的激活函数 $\phi$ 为 Sigmoid 函数，即：
$$\phi (z)=\frac{1}{1+e^{-z}}$$
使用这个函数的一个重要原因是它的一阶导数方便求解，
$$\frac{\partial \phi }{\partial z}=\phi (z)(1-\phi (z))\text{\hspace{1em}(3)}$$

三、采用梯度下降法使误差减小

一般来说，神经元 $j$ 产生的误差 $E$ 这样定义：
$$E_j=\frac{1}{2}\sum _{j=1}^m(t_j-y_j{)}^2\text{\hspace{1em}(4)}$$

其中 $t_j$ 表示输出层的期望输出，$y_j$ 表示输出层的实际输出，假设输出层有 $m$ 个神经元。我们的目标是选取合适的权重 $w_{ij}$，使得 $E$ 最小，BP 神经网络一般采用梯度下降法逐渐更新权重（类似最优化中的最速下降法，参见本人另外一篇博客关于最速下降法的迭代公式：https://blog.csdn.net/robert_chen1988/article/details/53167156）。

因此，计算 $E$ 对 $w_{ij}$ 的一阶导数：
$$\frac{\partial E_j}{\partial w_{ij}}=\frac{\partial E_j}{\partial y_j}\frac{\partial y_j}{\partial w_{ij}}$$

我们统一用 $o_j$ 表示 $y_j$（$o_j$ 表示输出的信息值，在最后的输出层，输出的信息值为 $y_j$），则：
$$\frac{\partial E_j}{\partial w_{ij}}=\frac{\partial E_j}{\partial o_j}\frac{\partial o_j}{\partial w_{ij}}$$

根据公式 (2) 与公式 (3)， 输出信息值 $o_j$ 又是激活值 $a_j$ 的函数，而激活值 $a_j$ 才与 $w_{ij}$ 有直接联系，因此：
$$\frac{\partial E_j}{\partial w_{ij}}=\frac{\partial E_j}{\partial o_j}\frac{\partial o_j}{\partial w_{ij}}=\frac{\partial E_j}{\partial o_j}\frac{\partial o_j}{\partial a_j}\frac{\partial a_j}{\partial w_{ij}}\text{\hspace{1em}(5)}$$

下面分开计算每一项，由公式（1）：
$$\frac{\partial a_j}{\partial w_{ij}}=\frac{\partial ({\sum }_i{w}_{ij}{o}_i)}{\partial w_{ij}}=o_i\text{\hspace{1em}(6)}$$

即这项导数是传递它信息的神经元的信息值。由公式 (3)：

$$\frac{\partial o_j}{\partial a_j}=\phi (a_j)(1-\phi (a_j))=o_j(1-o_j)\text{\hspace{1em}(7)}$$

而计算 $\frac{\partial E}{\partial o_j}$ 则要分两种情况讨论：

1. 若 $o_j$ 位于最后的输出层，则 $o_j=y_j$，根据公式（4）
   $$\frac{\partial E}{\partial o_j}=\frac{\partial E}{\partial y_j}=y_j-t_j\text{\hspace{1em}(8)}$$

根据公式 （5），（6）（7）（8），得到：
$$\frac{\partial E_j}{\partial w_{ij}}=\frac{\partial E_j}{\partial o_j}\frac{\partial o_j}{\partial a_j}\frac{\partial a_j}{\partial w_{ij}}=\frac{\partial E_j}{\partial o_j}\frac{\partial o_j}{\partial a_j}{o}_i=(y_j-t_j)y_j(1-y_j)o_i\text{\hspace{1em}(9)}$$

2. 若 $o_j$ 位于输入层或隐含层， 神经元 $j$ 输出值 $o_j$ 造成的误差等于它输出的所有神经元造成的误差之和 (本人的理解），设神经元 $j$ 输出的神经元的集合为 $L$，因此得到：
   $$\frac{\partial E_j}{\partial o_j}=\sum _{l\in L}(\frac{\partial E_l}{\partial o_j})=\sum _{l\in L}\frac{\partial E_l}{\partial o_l}\frac{\partial o_l}{\partial a_l}\frac{\partial a_l}{\partial o_j}=\sum _{l\in L}\frac{\partial E_l}{\partial o_l}\frac{\partial o_l}{\partial a_l}{w}_{jl}\text{\hspace{1em}(10)}$$

---

这两种情况都满足下面式子：（只不过两种情况的 $\frac{\partial E}{\partial o_j}$ 不同）
$$\frac{\partial E_j}{\partial w_{ij}}=\frac{\partial E_j}{\partial o_j}\frac{\partial o_j}{\partial a_j}\frac{\partial a_j}{\partial w_{ij}}=\frac{\partial E_j}{\partial o_j}\frac{\partial o_j}{\partial a_j}{o}_i\text{\hspace{1em}(11)}$$

为了方便，令
$${\delta }_j=\frac{\partial E_j}{\partial o_j}\frac{\partial o_j}{\partial a_j}$$，则权重的一阶导数可以简化成：
$$\frac{\partial E_j}{\partial w_{ij}}={\delta }_j{o}_i\text{\hspace{1em}(12)}$$

其中，${\delta }_j$ 的取值与上面两种情况有关（根据表达式（9）,（10））：
$${\delta }_j=\{\begin{array}{ll}(y_j-t_j)y_j(1-y_j)& 若j位于输出层\\ & \\ \left({\sum }_{l\in L}\frac{\partial E_l}{\partial o_l}\frac{\partial o_l}{\partial a_l}{w}_{jl}\right)o_j(1-o_j)=\left({\sum }_{l\in L}{\delta }_l{w}_{jl}\right)o_j(1-o_j)& 若j不位于输出层\end{array}\text{\hspace{1em}(13)}$$

于是，表达式（12）,（13）就是权重相对于误差的一阶导数取值。BP 神经网络采用梯度下降法使得误差降低。

类似最速下降法的思想，BP 神经网络在迭代时，采用下面的方法更新权重，不断使得误差减小：
$$w_{ij}=w_{ij}-\eta \frac{\partial E_j}{\partial w_{ij}}$$

其中 $\eta$ 就是梯度下降法的步长，在神经网络算法中称为学习速率，而权重沿负梯度方向更新。

四、BP 神经网络的局限性

1. 不能保证得到全局最优解
2. 输入的数据不要求标准化，但若标准化，可以提高神经网络的表现。

五、一个 python 例子

用 BP 神经网络预测 sklearn 包中自带的乳腺癌数据例子：

## 测试一下癌症数据
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.neural_network import MLPClassifier
from sklearn.metrics import classification_report
from sklearn.preprocessing import StandardScaler

cancer = datasets.load_breast_cancer()
cancer_data =  cancer['data']
cancer_target = cancer['target']

cancer_data_train, cancer_data_test, cancer_target_train, \
    cancer_target_test = train_test_split(cancer_data, cancer_target, test_size = 0.2)
    
# 数据标准化
stdScaler = StandardScaler().fit(cancer_data_train)
cancer_trainStd = stdScaler.transform(cancer_data_train)
cancer_testStd = stdScaler.transform(cancer_data_test)

# 建立 BP 模型
bpnn = MLPClassifier(hidden_layer_sizes = (20,10),
    max_iter = 200, solver = 'adam',random_state=45)
bpnn.fit(cancer_trainStd, cancer_target_train)

# 预测
y_pred = bpnn.predict(cancer_testStd) # 返回预测结果
print('神经网络预测结果评价报告：\n', classification_report(cancer_target_test,y_pred))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

生成的结果为：

预测的准确率达到 98%，跟支持向量机的预测结果差不多。

转载于个人公众号：Python 统计分析与数据科学