因此,我目前已经制作了一层神经网络(我不知道您称该神经网络还是感知器)。我的问题是,我现在尝试将此扩展到两层网络,并且我想绘制此决策边界。我将第一层的权重存储在$ W $中,将第二层的权重存储在$ V $中。我一直在为感知器使用的代码如下:
${locale}.dbphrases.${value}
但是,让我们成为现实,如果我希望我的数据集是线性可分离的,那么我就没有理由实施神经网络了,所以显然我不能将方程用于直线,但是我该如何处理呢?我的第一个想法是在目标为0的位置绘制函数(即,有50%的可能性将其变为-1或+1的位置),但这真的是我应该采用的方法吗?
答案 0 :(得分:0)
一种解决方案是在绘图区域上定义一个网格,并使感知器预测每个单个值。然后,您可以只用一种颜色绘制所有classA预测,而用另一种颜色绘制classB预测。 两种颜色之间的线是决策边界。
看看this answer。