Question

我正在尝试使用scikit-neuralnetwork框架学习神经网络，我知道有关神经网络的基础知识，现在尝试用scikit-learn实现它。但我对2分感到困惑。

1-下面给出的这个NN的结构是什么？不知何故，在某些例子中，有些人不把输入层作为一层。否则，我认为这是一个2层NN的输入层，在输出层有100个节点和1个节点。

from sknn.mlp import Classifier, Layer

nn = Classifier(
   layers=[
    Layer("Maxout", units=100, pieces=2),
    Layer("Softmax")],
learning_rate=0.001,
n_iter=25)

nn.fit(X_train, y_train)

2- scikit-neuralnetwork是否在我上面的代码中进行反向传播？

谢谢！

Answer 1

1。假设y_train中的每个训练示例都有M个特征，并且.fit()中有C类：输入层（未在代码中明确显示）具有M个节点。隐藏层有100个节点。输出层有C个节点（每个节点编码每个类的分数）。

2。 units=C是一种方法，它可以提供培训示例并使用反向传播来训练NN。

另外：也许你必须为最后一层添加Regressor - 我认为这是一个分类问题。如果您只需要一个值（分数，而不是类标签），请使用{{1}}。

Answer 2

1-在scikit-neuralnetwork框架中，输入图层未显示，但是当我们向系统提供训练数据时，它在背景中作为图层被创建。

nn.fit(X_train, y_train)

例如，假设我们使用的是虹膜花数据集。它有3个类，所以如果那个案例框架从y_train理解它并且它创建3个输入层有3个类。

y_train = [0,0,0,1,2,]
X_train = [[ 7.1  3.   5.9  2.1]
           [ 5.9  3.   4.2  1.5]
           [ 5.5  2.4  3.7  1. ]
           [ 6.1  2.8  4.7  1.2]
           [ 5.   2.3  3.3  1. ]]

除最后一层外，所有其他图层都是隐藏图层。我看到当我操纵最后一层时，得到了这个错误

    nn = Classifier(
    layers=[
            Layer("Maxout", units=100, pieces=2),
            Layer("Softmax",units=1)],   -----> if units is 3 that's ok!
            learning_rate=0.001,
            n_iter=25)
    "Mismatch between dataset size and units in output layer."
    AssertionError: Mismatch between dataset size and units in output layer.

2-更详细的解释;感谢datascience.stackexchange上的@robintibor。他在这里解释了两个问题Explanation

并感谢@ user7534232也给你答案：）

尖端神经网络中神经网络的反向传播与结构

2 个答案: