用两层神经网络绘制决策边界？
用两层神经网络绘制决策边界？
提问于 2019-01-28 09:37:11
所以我现在做了一个只有一层的神经网络(我不知道你是把它叫做神经网络还是仅仅是感知器)。我的问题是，我现在试图将它扩展到一个两层网络，我想绘制这个决策边界。我将第一层的权重存储在$W$中，第二层的权重存储在$V$中。我一直在感知器中使用的代码如下：
def plotting(classA, classB, tot_class):
w = perceptron2(X,t,100)
print(w)
area = np.pi*3
plt.scatter(classA[:,0], classA[:,1], s = area, c='b', alpha=0.5)
plt.scatter(classB[:,0], classB[:,1],s=area, c= 'r', alpha = 0.5)
grid = np.linspace(np.amin(tot_class),np.amax(tot_class))
y = []
for x in grid:
slope = -(w[0][0] / w[0][2]) / (w[0][0] / w[0][1])
intercept = -w[0][0] / w[0][2]
y.append((slope*x) + intercept)
plt.plot(grid,y, color = 'black')
plt.show()但是让我们说真的，如果我期望我的数据集线性可分的话，我就没有任何理由去实现神经网络了，所以很明显，我不能用这个方程作为一条直线，但是我如何处理这个问题呢？我的第一个想法是画出我的目标是0的函数(也就是说，它有50 %的机会被限定为-1或+1)，但这真的是我应该去的方式吗？
回答 1
Stack Overflow用户
回答已采纳
发布于 2019-01-28 11:54:39
一种解决方案是在你的地块上定义一个网格，让感知器预测每一个值。然后你就可以用一种颜色画出所有的A类预测和另一种颜色的A类预测。这两种颜色之间的线是决定边界。
看看this answer。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/54399055
复制相关文章
相似问题
腾讯云开发者
