我最近开始用 Python 编写非常简单的机器学习代码，但遇到了一个大问题：教系统改进猜测。

所以这就是代码的内容：我将有一个生物列表，它们的特征用数值表示。我想编写一个代码，根据它们的特征来识别生物是猫还是鱼，或者两者都不是。（例如，具有高毛皮值和 4 条腿的生物更可能是猫。）

我对神经网络的想法是有 5 个输入节点（用于五个特征）和 2 个输出节点（一个用于表示它是什么猫，一个用于表示它是什么鱼）。输入节点乘以权重值，然后将所有节点加在一起以产生输出节点之一。这对其他输出重复。系统出错的程度只是输出节点的值与实际存在的猫/鱼之间的差异。

但是我怎样才能使用这些信息来纠正输入节点的权重呢？由于权重是随机生成的，因此它们一开始可能处于“错误”的方向。例如，如果对象是一只猫，那么我们应该期待较高的皮毛和腿值。但是如果腿的权重为负而毛的权重为正怎么办？将权重乘以误差不会使我们更接近准确地确定存在。我的神经网络一开始就存在缺陷吗？或者在选择反向传播算法时是否有经验法则？

谢谢。