我知道有类似的问题。但我想知道简单的基础知识。
假设我有一些数据(x,y) -> z，其中z可以是0或1而x,y in [0,1].
现在我想训练一个带有该数据的神经网络，我想要的输出应该是x，y空间中的边界或线或曲线，它将那些零（例如男/女或其他）分开。
所以，我想拥有一个隐藏层。我想我会以某种方式了解如何为网络提供服务：
X = (x,y)提供给第一层到底是什么输出？对于给定的数据集，网络会尝试为给定的x，y重现我的z值，对吧？那么，我如何获得适合或决定边界或其他什么？什么是一个＆＃34;情节＆＃34;到底在x，y空间？
如何生成＆＃34;新数据＆＃34;通过网络，还是不可能？
所以，我的主要问题是：输出是什么？我该如何处理输出？最后得到逻辑回归图的步骤是什么（可以在互联网上随处可见，但他们最终没有说明他们的情节：D）
答案 0 :(得分：1)
所以，经过与朋友（最近几天不在场）的讨论后，我终于认为我得到了它。
训练结束后，我可以使用网络作为函数F（x，y）进行新的预测。
为了找到决策边界（X空间中的超平面），我可以解决x（y）的F（x，y）= 1/2，反之亦然，并绘制它。然后我完成了：D
干杯，
马塞尔对自己说：D
答案 1 :(得分：1)
让我们考虑一个着名的XOR问题的例子
Training Data
X | Y | Z
0 | 0 | 0
0 | 1 | 1
1 | 0 | 1
1 | 1 | 0
现在创建一个神经网络，leat假设MLN（2,4,1）。 用你的训练数据训练它直到收敛。
现在决定边界情节。
创建测试数据
**x** [0 0.01 0.02 0.03 .... 1] (100x1)
**y** [0 0.01 0.02 0.03 .... 1] (100x1)
然后为每个（x，y）对找到 z ，（0,0）（0.01,0）（0.02,0）......（0,0.01）（0,0.02） ，所以 z 将是100x100矩阵。
对于XOR，我们知道输出空间为0或1.所以我们量化 z
if (z(x,y)>0.5)
zq(x,y) = 1
else
zq(x,y) = 0
现在绘制x，y，zq。 这将给你一个决定面。
如果你想要决定边界。 检查z = 0.5的位置并标记该点。 由所有点创建的线将是决策边界。