BP神经网络分类实战：从鸢尾花到红酒的数据准备与评估指南

简介：这是一份面向高校人工智能、机器学习等课程的BP神经网络实验作业包，涵盖鸢尾花与红酒数据集的多分类实践，适合正在完成课程设计或复习神经网络基础的学生使用。资源从零实现了BP算法，包含数据读取、模型构建、训练、预测评估与可视化等完整环节，可对照实验文档一步步复现结果。压缩包共18个文件，以Python源码（.py）、Jupyter Notebook（.ipynb）、Excel数据集（.xls/.xlsx）、实验说明文档（.doc）和教学课件（.pptx）为主，整体仅630KB，目录结构清晰，便于按需取用。已有1034人学习使用。通过源码注释和可执行脚本，可以快速理解BP网络的前向传播、反向传播、梯度下降与参数更新过程，结合鸢尾花与红酒两个经典数据集完成分类任务，既可用作课程作业参考，也可作为神经网络入门与实验复现的动手模板。

1. BP神经网络做分类：为什么实验课总拿这两个数据集开刀

同样是那个三层小网络，鸢尾花能轻松跑到 95% 以上，红酒却常常卡在 70% 附近来回震荡。先别急着怀疑模型写错了——BP 神经网络在这两个数据集上的表现差异，九成来自数据准备，而不是网络结构。这个标题里的课程作业，本质是用 BP 算法在两个经典多分类小数据集上完成一次完整的建模流程：读数据、划分、标准化、训练、评估。鸢尾花 150 条样本、4 个特征，红酒数据集 178 条样本、13 个特征，都是三分类，都是标量特征，不需要做文本或图像处理，特别适合在实验报告里讲清楚“反向传播到底在更新什么”。这篇笔记按我实际交作业的顺序来写，从网络结构怎么定、数据怎么喂，到分类评估看哪些指标、哪几个坑最容易翻车。

2. BP神经网络结构图怎么看：从输入层到输出层的形状推演

2.1 先澄清一个术语：BP 是训练算法，不是网络结构

很多同学写报告时会把“BP 神经网络”和“多层感知机”当成同一个东西。严格说，BP 指的是“误差反向传播算法”，是多层前馈网络训练时用来更新权重的那套链式法则；而网络本身通常是一个输入层、若干隐藏层、一个输出层组成的结构。课程作业里说的“BP 神经网络模型”，实际就是指用反向传播算法训练的多层感知机。这个差别会在你写实验原理时暴露出来——如果只写“网络由输入层、隐藏层、输出层组成”，老师大概率会追问一句：那误差是怎么传回去的？所以结构图旁边至少要配两条反向的箭头，标注“链式求导”和“梯度下降更新”，才算把 BP 讲完整。

结构图的尺寸推演也是从输入样本出发的。鸢尾花数据集的每一行是 4 个特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，所以输入层节点数固定为 4。输出层是 3 个节点，对应三个类别：Setosa、Versicolor、Virginica。红酒数据集则是有 13 个化学成分特征（酒精、苹果酸、灰分、碱度、镁、总酚、黄酮类等），输出层同样是 3 个节点。中间隐藏层放多少个节点，没有标准答案，但常见做法是先取输入和输出维度的中间值附近，比如鸢尾花用 4 到 8 个节点，红酒用 8 到 16 个节点，再根据训练结果加减。这个“试出来”的过程，本身就是实验报告里值得写的对比环节。

2.2 激活函数选型：为什么说 sigmoid 在小网络上够用但要小心

BP 结构图里每个节点都带一个激活函数，它的作用是把线性的加权求和结果压成一个非线性输出，让网络有能力拟合分类边界。经典教材里喜欢画 sigmoid，公式是 1 / (1 + exp(-z))，输出范围在 0 到 1 之间。sigmoid 的问题也很经典：当输入值绝对值很大时，梯度趋近于 0，反向传播时误差传不过去，这就是“梯度消失”。在鸢尾花和红酒这种层数很浅的小网络上，梯度消失不明显，sigmoid 完全够用。

但如果数据没有做标准化，特征值直接进入网络，比如红酒数据集里的脯氨酸含量动辄几百上千，而酒精含量只有十几，加权求和后很容易进入 sigmoid 的饱和区，梯度接近 0，训练就会肉眼可见地慢。这也是为什么我在做这个实验时会优先选 relu：max(0, z)，正区间梯度恒为 1，负区间直接置 0，训练速度快，对小数据集尤其省心。你写报告时可以把两个激活函数各跑一遍，记录迭代次数和最终准确率，这一组的对比结论就是实验报告里很扎实的一页。

2.3 两个数据集的底细：样本量、特征数、类别分布

这两个数据集都属于小样本多分类，类别完全平衡，每类各占三分之一左右，省去了处理类别不平衡的麻烦。但它们的特征量纲差异极大，这个差异直接决定了标准化的必要性：红酒数据集的 13 个特征里，有的在个位数，有的在上千，如果不处理，BP 在梯度下降时会被大量纲特征带着跑，收敛路径会非常扭曲。我通常会先跑一版不标准化的作为对照组，再跑一版标准化的，两张损失曲线放一起，报告的说服力立刻就有了。

3. 数据准备翻车现场：标准化、数据划分与标签的一个错误示范

3.1 从 sklearn 里把数据集拉出来：离线也能跑，不需要额外下载

做这个实验时我最推荐直接用 sklearn 自带的 load_iris 和 load_wine，不需要去网上找 xlsx 或 csv，也不会遇到编码、路径、分隔符不一致的麻烦。sklearn 内置的数据集返回的是一个 Bunch 对象，包含 data 和 target 两部分，data 是特征矩阵，target 是一维的类别标签数组。下面这段代码把两个数据集都加载出来，顺手打印一下形状，确认你的输入输出维度。

from sklearn.datasets import load_iris, load_wine import numpy as np # 加载鸢尾花数据集 iris = load_iris() # 加载红酒数据集 wine = load_wine() # 打印基本形状：样本数、特征数 print("鸢尾花数据形状:", iris.data.shape) # (150, 4) print("鸢尾花标签形状:", iris.target.shape) # (150,) print("红酒数据形状:", wine.data.shape) # (178, 13) print("红酒标签形状:", wine.target.shape) # (178,) # 看一眼类别分布，确认是不是平衡数据 print("鸢尾花类别分布:", np.bincount(iris.target)) print("红酒类别分布:", np.bincount(wine.target))

np.bincount的作用是统计每个类别的样本数量，比如[50 50 50]就代表三类各 50 条，是理想状态。如果你的实验报告需要展示数据集的“体检结果”，这一步打印出来的内容可以直接截图放进去。注意，标签数组已经是数值型 0、1、2，不是字符串“setosa”之类的文本，这个设计对机器学习模型是友好的，但很多第一次写作业的同学会误以为要做文本编码，其实不需要——只有标签是字符串的时候才需要 LabelEncoder 或映射表转换。

3.2 train_test_split 的参数细节：为什么测试集要 stratify

数据加载完成后，第一步永远是划分训练集和测试集。这两个数据集总共只有一百多条样本，划分比例稍有不慎就会导致某一类在测试集里只剩一两条，评估结果随机性极大。我用的是train_test_split，强制传入stratify参数，让训练集和测试集保持和原数据一致的类别比例。对这个小样本场景来说，stratify=y几乎是必须的。

from sklearn.model_selection import train_test_split # 统一用 80% 训练、20% 测试 iris_train, iris_test, y_train, y_test = train_test_split( iris.data, iris.target, test_size=0.2, stratify=iris.target, # 按类别比例划分 random_state=42 # 固定随机种子，保证结果可复现 ) # 红酒数据集同样处理 wine_train, wine_test, wine_target_train, wine_target_test = train_test_split( wine.data, wine.target, test_size=0.2, stratify=wine.target, random_state=42 ) print("鸢尾花训练集样本数:", iris_train.shape[0]) print("鸢尾花测试集样本数:", iris_test.shape[0])

test_size=0.2意味着鸢尾花测试集只有 30 条、红酒测试集只有 36 条，每个类别十几条，已经比较极限了。如果再用 0.3，测试集里某个类别可能只有 10 条出头，准确率波动会非常明显——这也就是为什么很多人反复跑同一个模型，得分却在 88% 和 97% 之间跳。random_state=42也是一个值得在报告里解释的参数：它固定了划分时的伪随机序列，保证任何人复现你的实验，得到的训练集测试集划分完全一致。

3.3 标准化：训练集用 fit_transform，测试集用 transform

特征标准化是 BP 模型收敛的关键，尤其是红酒数据集。我在 2.2 里提过量纲差异的问题，这里直接用代码解决。逻辑是：在训练集上计算出均值和标准差，然后用同样的均值和标准差去转换测试集。这里有个高频错误——对测试集也调用fit_transform，导致测试集用了自己算出来的均值，这在实验报告里属于“数据泄漏”，会让评估结果虚高，因为测试集的信息已经悄悄混进了预处理参数里。

from sklearn.preprocessing import StandardScaler scaler = StandardScaler() # 训练集：fit_transform 先计算均值标准差，再转换 iris_train_scaled = scaler.fit_transform(iris_train) # 测试集：只用 transform，沿用训练集算好的参数 iris_test_scaled = scaler.transform(iris_test) # 红酒数据集同样 scaler_wine = StandardScaler() wine_train_scaled = scaler_wine.fit_transform(wine_train) wine_test_scaled = scaler_wine.transform(wine_test) # 看一眼标准化后的均值，应该接近 0 print("训练集标准化后均值:", iris_train_scaled.mean(axis=0).round(6))

StandardScaler做的事情很简单：(x - mean) / std。标准化后每个特征的均值接近 0、方差为 1。这一步做完，红酒数据集里脯氨酸上千的量级被压回标准正态分布，和酒精含量处于同一尺度，梯度下降才能一视同仁地更新每个权重。我在实验报告里喜欢加一句：如果不做标准化，BP 的损失曲线会出现“锯齿状”下降，因为学习率对大量纲特征来说太大、对少量纲特征来说太小，怎么调都别扭。

4. 训练与分类评估：从损失曲线到精度、召回率的一整套指标

4.1 用 MLPClassifier 搭最小可跑网络：核心参数逐个讲

课程作业的实现路径有两条：一是用 numpy 从零手写前向传播和反向传播，交作业时更能体现“实现”；二是直接用 sklearn 的MLPClassifier，把 BP 的权重更新封装在底层。如果你不是必修“手写神经网络”的课程，我更推荐第二种，因为你把精力放在参数调节和结果分析上，报告反而更丰满。MLPClassifier在 sklearn 里的底层实现就是多层感知机的反向传播训练，和标题里的 BP 神经网络模型是同一件事。

from sklearn.neural_network import MLPClassifier from sklearn.metrics import accuracy_score # 构造 BP 网络：一个隐藏层，8 个节点 mlp_iris = MLPClassifier( hidden_layer_sizes=(8,), # 一个隐藏层，8 个神经元 activation='relu', # 隐藏层激活函数 solver='adam', # 优化器，adam 自适应学习率 learning_rate_init=0.001, # 初始学习率 max_iter=2000, # 最大迭代次数 random_state=42 ) # 训练 mlp_iris.fit(iris_train_scaled, y_train) # 预测并计算准确率 iris_pred = mlp_iris.predict(iris_test_scaled) print("鸢尾花测试集准确率:", accuracy_score(y_test, iris_pred))

hidden_layer_sizes=(8,)的元组表示每个隐藏层的神经元数，如果你想搞两层，写成(8, 4)即可。这里的solver='adam'是自适应矩估计优化器，对学习率的敏感度比传统 SGD 低很多，适合新手。max_iter=2000要结合收敛情况看——如果打印的 loss 曲线还在下降，就说明 2000 次不够，需要加大。random_state在这里同样重要，因为权重初始化是随机的，不固定的话每次训练得到的结果都可能不同，实验报告里的数据就没法复现。

红酒数据集的模型代码完全一样，把输入特征换成wine_train_scaled即可。你可以在同一个代码块里把两个任务都跑掉。跑完之后，如果鸢尾花拿到 95% 以上、红酒拿到 90% 以上，说明模型和参数设置没有问题。如果红酒准确率明显偏低，优先怀疑的不是网络宽度，而是数据标准化是否真的做对了——回到上一章查代码。

4.2 分类评估：准确率只是一行数字，混淆矩阵才是黑匣子的探照灯

准确率在平衡数据集上是直观的，但只有一行数字，老师很难看出模型到底错在哪里。分类评估的完整组合是三件套：混淆矩阵显示每一类的预测情况、classification_report 给出精确率和召回率、损失曲线判断训练是否收敛。这三个一起放进实验报告，基本就是完整的一页分析。

from sklearn.metrics import confusion_matrix, classification_report import matplotlib.pyplot as plt import numpy as np # 用红酒数据集作为例子 wine_pred = mlp_wine.predict(wine_test_scaled) # 混淆矩阵 cm = confusion_matrix(wine_target_test, wine_pred) print("混淆矩阵：\n", cm) # 分类报告：精确率、召回率、F1 print(classification_report(wine_target_test, wine_pred)) # 训练损失曲线 plt.plot(mlp_wine.loss_curve_) plt.xlabel("迭代次数") plt.ylabel("训练损失") plt.title("红酒数据集 BP 训练损失曲线") plt.show()

混淆矩阵的行是真实类别，列是预测类别，对角线上的数字是正确预测数。如果对角线上明显有空缺，比如所有 class_1 全被预测成了 class_0，那就说明类别间特征重叠严重，或者隐藏层节点数太少，模型的决策边界不够灵活。classification_report 里的精确率代表“预测为这一类的结果里有多少是对的”，召回率代表“这一类真实样本里有多少被找出来了”。在小样本数据上，这两个指标出现 0.88 和 0.92 之类的差距是正常的，但如果差距超过 10 个百分点，就要怀疑某一类样本太少——回到划分部分检查stratify是否传对。

4.3 损失曲线怎么读：下降快不等于收敛好

损失曲线是最容易漏掉的一张图。MLPClassifier训练结束后，loss_curve_属性存了每一轮迭代的损失值，画出来能直观看到模型的学习过程。正常情况是曲线先陡峭下降，然后逐渐变平。如果曲线在某个水平上来回震荡，说明学习率偏大了；如果曲线一直平缓走低、还没到底就到max_iter，说明迭代次数不够，需要增加max_iter或调低初始学习率。这两个判断方向，是实验报告“结果分析”部分最好写的素材。

5. 避坑指南：5 个让 BP 模型翻车的常见问题与排查记录

5.1 不标准化直接训练，损失曲线像心电图

现象：数据集加载后直接丢进MLPClassifier，迭代几百次损失值依然大幅震荡，最终准确率在 50% 左右徘徊。

原因：红酒数据集的特征量纲差异大到了两个数量级，BP 在梯度下降时对大数值特征的方向过度敏感，小数值特征几乎得不到有效更新。sigmoid 或 relu 的输入分布歪斜，也会让权重更新路径像走迷宫。

解决：对特征做StandardScaler标准化，而且测试集只用transform不要fit_transform。做完后重跑一次，损失曲线通常在一百轮内就能落到低位平缓区。

5.2 随机种子不固定，跑三次三个结果

现象：同一个模型、同一份代码，连续跑三次准确率出现明显差异，有时 89%，有时 96%。

原因：每次运行时权重初始化随机、数据划分随机，尤其是只有几十条测试样本时，任何一点随机波动都会在评估结果里放大。

解决：把random_state=42同时传给train_test_split和MLPClassifier，两个随机过程全部固定。这是个小细节，但直接决定了实验数据能不能被复现，也是交实验报告时被问得最多的问题。

5.3 fit_transform 用在测试集上，数据泄漏虚高得分

现象：训练集和测试集分别用fit_transform后，测试集准确率奇高，换成真实新数据后准确率立刻掉下来。

原因：测试集的均值和标准差被“偷看”了，预处理的统计信息混进了评估流程，这在机器学习里属于数据泄漏，是典型的“考试时看了答案”。

解决：规则只有一条——fit只出现在训练集上，测试集只做transform。我每次都会检查代码里所有fit_transform，只要出现在训练集之外，立刻改成transform。

5.4 测试集只有十几条样本，准确率波动被放大

现象：模型本身没问题，但每次调整参数，测试集准确率跳来跳去，找不准真正有效的改动。

原因：数据集本来就只有 150 条，test_size设成 0.3 后测试集只有 45 条，平均每类 15 条。一条样本预测错了，准确率直接掉 2 个多点。

解决：test_size控制在 0.2 以内，同时用stratify=y保证每类在测试集中占比一致。如果还要更稳，就用第 6 章的交叉验证来评估，而不是只盯着那几十条测试样本。

5.5 只看准确率，类别边界问题被掩盖

现象：准确率 95%，但混淆矩阵里某个类别经常被错分成另一个类别，业务上完全不能接受。

原因：在平衡小数据集上准确率仍然会掩盖局部的模式性问题。比如鸢尾花的 setosa 很好分，versicolor 和 virginica 特征有重叠，错误全部集中在这两类之间。

解决：每次训练完强迫自己打印confusion_matrix和classification_report，对着矩阵看哪一对类别在互相打架。如果集中在两个相邻类别，常规做法是增加该方向的训练样本或增补特征；如果错误分散在每个类别，才说明网络容量不够，需要增加隐藏层节点数。这条排查习惯能帮你把实验报告从“跑出来了”写到“分析清楚了”。

6. 进阶验证：用交叉验证和网格搜索把分数试出上限

当你已经把 5 个坑都绕开、准确率也稳定在可接受范围，接下来值得做的一件事是交叉验证。它把数据切成多份轮流当验证集，让评估结果不再依赖某一次划分运气。常见做法是用cross_val_score对模型做 5 折验证，输出每一折的准确率和标准差，标准差越小说明模型越稳定——这一步比“单次划分跑出一个 95%”有说服力得多。

from sklearn.model_selection import cross_val_score # 对红酒数据集做 5 折交叉验证，评估更稳 scores = cross_val_score(mlp_wine, wine_train_scaled, wine_target_train, cv=5) print("每折准确率:", scores) print("平均准确率:", scores.mean().round(4)) print("标准差:", scores.std().round(4))

交叉验证跑通之后再调隐藏层节点数就顺理成章了。我的习惯是把手动试参写成一个两层循环：外层遍历hidden_layer_sizes从 4 到 16 的几个候选值，内层跑交叉验证，最后选平均准确率最高且标准差最小的一组。隐藏层节点数少，模型欠拟合；节点数多，小数据集容易过拟合——交叉验证恰好能把这两者的边界找出来。在做这次实验时我还养成一个习惯：把每次调参后的准确率和损失曲线截图存档，标注日期和修改项，防止第二天自己忘了改过什么。

最后说一个我踩过的教训：用 BP 做这类小数据集分类，最大的敌人不是模型太笨，而是你太急着往上加层数。鸢尾花 150 条样本，一个隐藏层 8 个节点已经足够拟合边界了；红酒数据集 178 条样本，两个隐藏层 16 个节点通常也到顶了。如果一开始就堆到 64 个节点三层隐藏层，结果往往是训练集准确率 99%、测试集准确率反而下跌，这就是典型的过拟合。我后来都习惯先把简单结构跑通、画出损失曲线，确认收敛了再逐步加容量。把基础版本做好，比一开始就追求复杂结构更接近实验课的高分。希望帮到你。

本文还有配套的精品资源，点击获取