数据挖掘 - 如何使用计算的权重绘制超平面 - 吾爱随笔录

数据挖掘神经网络

2021-10-12 01:18:08

在我有n 个输入神经元的简单示例中，我可以将其视为 n 维空间中的一个点。

如果输出层只是一个值为0或1的神经元，如果我得到收敛，则神经网络应该定义一个超平面来划分两类点——那些映射到0和那些映射到1。如何使用我计算的(n,1)权重矩阵计算这个超平面？

2个回答

如果你只有一个输入层、一组权重和一个输出层，你可以直接用

X \cdot w = 吨 H r e s H ○ l d

$X \cdot w = threshold$

但是，如果添加隐藏层，则不再一定有超平面，因为要成为超平面，它必须能够表示为“单个 1 次代数方程的解”。

即使您不能直接求解，您仍然可以通过在广泛的输入范围内评估网络的输出来了解响应面。

我认为更好的方式来考虑你所写的神经网络是它是一个函数。

F_{n n} ： R^{n} \to {0, 1}

$f_{nn} : \mathbb{R}^n \rightarrow \{0, 1\}$

这通常是一个非线性的决策边界。您没有说明您的网络结构和激活功能。如果您的数据是线性可分的，那么单层感知器将在输入层中为您定义权重，以及用于截距的偏置输入节点。

如果您特别想要一个分离的超平面，您可以考虑支持向量机。看这里。

其它你可能感兴趣的问题