python - 使用神经网络根据用户输入预测结果

Question

我用Python编写了简单的神经网络代码。神经网络使用 Sigmoid 函数来预测结果(0 或 1)。我的问题是，如何根据自己的输入预测结果？

例如，我想对这些输入值进行预测:

input 1: 0.3
input 2: -0.1
input 3: 0.1

my_input = [0.3, -0.1, 0.1]

我应该在哪里传递这个参数/输入？这是我的代码:

import numpy as np
import pandas as pd


df = pd.DataFrame({'input 1':[0.5, 0.3, 0, 0.1, 0.4, -0.4, 0.4, 0.1, -0.6, 0.2, 0.6, 0, 0.2, 0.2, -0.1, -0.1, 0, 0.4, -0.2, -0.4],
                   'input 2':[0.3, 0.6, -0.4, -0.2, 0.9, 0, 0.35, -0.4, -0.9, 0.4, 0.3, -0.1, 0.1, 0.3, 0.1, 0.1, 0.3, 0.1, 0.3, 0.3],
                   'input 3':[0, 0.4, 0, -0.1, 0.4, -0.2, 0.7, -0.3, -0.1, 0.1, 0.3, 0, 0.5, 0.4, -0.31, 0.1, 0.3, 0.1, 0.1, 0.2],
                   'result':[1, 1, 0, 0, 1, 0, 1, 0, 0, 1, 1, 0, 1, 1, 0, 0, 1, 1, 1, 0]})

print(df)

def sigmoid(x):
    return 1 / (1 + np.exp(-x))

def sigmoid_derivate(x):
    return x * (1 - x)


features = df.iloc[:,:-1].to_numpy()
results =  df.iloc[:,-1:].to_numpy()

np.random.seed(1)

weights = 2 * np.random.random((3,1)) - 1

print('These are my random weights:\n')
print(weights)

for iteration in range(100000):

    input_layer = features

    outputs = sigmoid(np.dot(input_layer, weights))
    error = results - outputs
    adjustments = error * sigmoid_derivate(outputs)
    weights += np.dot(input_layer.T, adjustments)


df['output prediction'] = outputs.round(0)
print(df)

因此，输出应该只有一个值，零或一。

感谢您的帮助

Answer 1

您的预测采用与训练期间相同的方法:

my_output = sigmoid(np.dot(my_input, weights))

如果您尝试使用训练的前三个示例作为输入，您将找到正确的输出:

my_input = [0.3,-0.1,0.1]
prediction: [1.]
my_input = [0.5,.3,0]
prediction: [1.]
my_input = [0.0,-.4,0.0]
prediction: [2.25648121e-13]

恭喜您实现了自己的培训!