深度学习框架Tensorflow学习(五)-----多层感知器模型：http://blog.csdn.net/crazyice521/article/details/53306899
https://www.zhihu.com/question/32673260
[MNIST机器学习入门]: http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/mnist_beginners.html?plg_nld=1&plg_uin=1&plg_auth=1&plg_nld=1&plg_usr=1&plg_vkey=1&plg_dev=1
深度学习框架TensorFlow学习（二）----简单实现Mnist
如何简单形象又有趣地讲解神经网络是什么？
http://www.bida.org.cn/index.php?qa=119
深度学习资料： http://blog.csdn.net/zouxy09/article/details/8775360/
【参考】 https://www.zhihu.com/question/19833708?group_id=15019075#1657279
Deep Learning（深度学习）学习笔记整理系列之（一）
程序实现：
http://blog.csdn.net/u010224822/article/details/52105889
# coding=utf-8
from sklearn.cross_validation import train_test_split
from sklearn.neural_network import MultilayerPerceptronClassifier
import numpy as np
""" 让我们训练一个多层感知器来近似XOR函数。目前，scikit-learn的0.16.1版本还没有合并，作者在其github上提供了单独的MLP模块NeuralNetworks，
我们在0.16.1版本基础上稍作修改，即可完成本书的例子。 请fork作者的NeuralNetworks，将multilayer_perceptron文件夹里的.py文件复制到sklearn/neural_network文件夹里，
然后将对__init__.py文件做如下修改即可：
# __init__.py
from .rbm import BernoulliRBM
from .multilayer_perceptron import MultilayerPerceptronClassifier
from .multilayer_perceptron import MultilayerPerceptronRegressor
__all__ = ["BernoulliRBM", "MultilayerPerceptronClassifier", "MultilayerPerceptronRegressor"]
另外，在Linux和Mac OS系统里，复制.py文件的权限记得改成chmod 644 """
# 准备数据
y = [0, 1, 1, 0] * 10000 X = np.array([[0, 0], [0, 1], [1, 0], [1, 1]] * 10000)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=3)
""" 确定隐藏单元和隐藏层的数量有一些首要原则：样本数量， 训练数据的噪声，要被近似的函数复杂性，隐藏单元的激励函数，学习算法和使用的正则化方法决定 """
clf = MultilayerPerceptronClassifier(hidden_layer_sizes=[2], activation='logistic', random_state=3)
clf.fit(X_train, y_train)
print '层数 %s ,输出单元数量：%s' % (clf.n_layers_, clf.n_outputs_) predictions = clf.predict(X_test) print '准确率%s：' % clf.score(X_test, y_test)
for i, p in enumerate(predictions[:10]):
print '真实值：%s，预测值：%s' % (y_test[i], p)