创建一个人工神经网络模型，并进行图像分类

• 实验目标：编程实现一个人工神经网络模型，进行图像分类。

• 数据集：自己收集并构建1个数据集；

实验要求

使用python编程实现一个人工神经网络模型，模型可以自由定义，实现模型的训练与测试功能；

尝试改变人工神经网络的结构与参数，调整神经网络的层数、神经元数量与激活函数等，进行性能优化，并记录实验过程？

数据来源

https://www.aliyundrive.com/s/e7EKthbAY4d 提取码: 3w3l

描述样本的数量、各类样本的分布情况

• 训练样本数量：100

• 测试样本数量：20

• 类别分布：数据集中的样本分为10个类别，分别代表数字0到9

描述实验内容与步骤，包括模型与参数设置等

实验内容

1. 数据加载

   X_train_custom, y_train_custom = load_custom_dataset(image_folder, label_file)
   

2. 模型构建

   创建多层感知器人工神经网络模型MLP

    mlp_model_custom = MLPClassifier(hidden_layer_sizes=(250, 50), max_iter=10, alpha=1e-4, solver='sgd', verbose=10, tol=1e-4, random_state=1, learning_rate_init=0.05,activation='relu')
   

3. 模型训练

   mlp_model_custom.fit(X_train_custom_scaled, y_train_custom)
   

4. 模型预测

   predictions_custom = mlp_model_custom.predict(X_test_custom_scaled)
   

5. 模型评估

   print("自定义数据集准确率：", accuracy_custom)
   

模型参数设置

mlp_model_custom = MLPClassifier(hidden_layer_sizes=(250, 50), max_iter=10, alpha=