本文以Fisher的Iris数据集作为神经网络程序的测试数据集。Iris数据集可以在/wiki/Iris_flower_data_set 找到。

先介简单绍下介绍一下Iris数据集：

有一批Iris花，已知这批Iris花可分为3个品种，现需要对其进行分类。不同品种的Iris花的花萼长度、花萼宽度、花瓣长度、花瓣宽度会有差异。我们现有一批已知品种的Iris花的花萼长度、花萼宽度、花瓣长度、花瓣宽度的数据。

我们用C#代码通过对已知数据集的训练，得到训练权重Syn0,Syn1，通过它对一批未知的花进行分类。这里初次接触神经网络的同学们要注意，分类模式的原则是最终输出多少种情况（这里3种情况），一般最后一层就多少一个神经元。我们这里对应3种类别的输出为 【1,0,0】【0,1,0】，【0,0,1】，这里大家多多思考为什么这样吧！

下面上代码(Matix矩阵在本人上一文章中）

运行结果如下：

运行结果

总结，500次就可以完成收敛，对样本的拟合率100%，预测样本准确率为97.33%，超过了AForge Neural Net Library的93%。