python - 使用 Python 和 NumPy 的神经网络

Question

我是 NN 的新手，我正在尝试使用 Python/Numpy 从我在以下位置找到的代码中实现 NN:“从头开始用 Python 创建一个简单的神经网络” enter link description here

我的输入数组是:

array([[5.71, 5.77, 5.94],
   [5.77, 5.94, 5.51],
   [5.94, 5.51, 5.88],
   [5.51, 5.88, 5.73]])

输出数组为:

array([[5.51],
   [5.88],
   [5.73],
   [6.41]])

运行代码后，我看到以下不正确的结果:

synaptic_weights after training
[[1.90625275]
[2.54867698]
[1.07698312]]
outputs after training
[[1.]
[1.]
[1.]
[1.]]

这是代码的核心:

for iteration in range(1000):
    input_layer = tr_input
    outputs = sigmoid(np.dot(input_layer, synapic_weights))

    error = tr_output - outputs

    adjustmnets = error * sigmoid_derivative(outputs)

    synapic_weights +=np.dot(input_layer.T, adjustmnets )

print('synaptic_weights after training')  
print(synapic_weights)

print('outputs after training')  
print(outputs)

我应该对此代码进行哪些更改才能使其适用于我的数据？或者我应该采取不同的方法？非常感谢任何帮助。

Answer 1

那是因为您使用了错误的激活函数(即 sigmoid)。我们使用 sigmoid 函数的主要原因是因为它存在于 (0 到 1) 之间。因此，它特别适用于我们必须预测概率作为输出的模型。由于任何事物的概率只存在于 0 和 1 的范围内，sigmoid 是正确的选择。

如果您想训练模型来预测数组中的值，则应使用回归模型。否则，您可以将输出转换为标签(例如 5.x 转换为 0，6.x 转换为 1)并重新训练模型。