机器学习（二十八）：灰狼优化算法对神经网络的优化

基础理论就在这里不讲解了，本文实战为主。相关理论与参考文献，请看以下部分：

1. https://www.mathworks.com/matlabcentral/fileexchange/44974-grey-wolf-optimizer-gwo?s_tid=FX_rc3_behav
2. https://www.sciencedirect.com/science/article/abs/pii/S0965997813001853?via%3Dihub

大家知道，使用反向传播对神经网络进行训练是非常有效的。但如果网络参数的初始值设得不好时，各位可能也有过训练十分缓慢的经历。这里提供一种加快反向传播的算法，目的是在训练神经网络时不使用反向传播以及梯度下降算法，而是用灰狼优化算法对网络参数进行初始化，之后可以再次使用反向传播对网络进行正式训练。

本文主要是用Python实践完成，在上述提供的讲解中有Matlab代码，感兴趣自己实践。

一、数据集

创建了一个小型网络来模拟 Pima Indians 糖尿病二元分类问题的发作。

数据下载地址：

https://www.kaggle.com/datasets/kumargh

文章来源: chuanchuan.blog.csdn.net，作者：川川菜鸟，版权归原作者所有，如需转载，请联系作者。

原文链接：chuanchuan.blog.csdn.net/article/details/126626541