昨天介紹完DBSCAN程式,今天要來研究神經網路:

(來源: http://programmermagazine.github.io/201404/htm/focus1.html)

基本上,照上圖可以簡寫成數學式:

基本上每一個w都是所謂權重,而f()為啟動函數,而啟動函數舉幾個常見f()

1. sigmoid函數:(基本上因其域值在0~1-->所以很常拿來表示機率

2. Tanh函數:( 其域值在-1~1,且他是以0為中心)

3. ReLU函數:(當輸入為正,導數恆為1,小於0的都等於0)
   
   

好,基本上看完f(),就來看裡面東西,wi和ai基本上來說他其實跟多元回歸很相近-->而wi就是各單位權重,所以單層感知機模型,對我來說就是去計算擬和w的值,以下是演算法:(參考來源: https://zh.wikipedia.org/wiki/%E8%B5%AB%E5%B8%83%E7%90%86%E8%AE%BA)

1. 輸入資料X
2. 隨機取一個初始W和設定最小誤差e(便於跳出迴圈),和學習率a
3. 計算真實y和預測y之差d
4. Wk+1=Wk-adX來更新W
5. 計算所有X誤差d如果值小於e就跳出,否則就重複3,4

好,明天就開始練習這個演算法,那今天一樣先匯入資料,程式如下:

data=pd.DataFrame([[7,560,5.1,16.68],
				   [3,220,4.9,11.50],
				   	[4,80,4.6,14.88],
				   	[7,330,6.7,18.11],
				   	[16,688,5.2,40.33],
				   	[4,225,5.5,13.50],
				   	[3,340,4.7,12.03],
				   	[10,776,5.1,29.00],
				   	[5,605,6.3,21.50],
				   	[6,150,5,13.75]
				   	],columns=['x1','x2','x3','y']) 
print(data)

結果-->10筆資料

x1   x2   x3      y
0   7  560  5.1  16.68
1   3  220  4.9  11.50
2   4   80  4.6  14.88
3   7  330  6.7  18.11
4  16  688  5.2  40.33
5   4  225  5.5  13.50
6   3  340  4.7  12.03
7  10  776  5.1  29.00
8   5  605  6.3  21.50
9   6  150  5.0  13.75

並分類x,y

x=data.loc[:,['x1','x2','x3']]
y=data['y']

好,今天到這邊,明天就可以實際來用程式寫這個演算法

男人瞬間彈了個響只,火焰瞬間熄滅,不過男孩卻倒在地上一動也不動,狐狸立刻前去查看男孩傷勢,而男人見此情況,立刻拿出了刀子,想往娃娃身體刺下去,但娃娃那個像裂縫的嘴,突然吹出大風把自己和男子吹飛開來,娃娃一個空翻跳躍到地上並舉起雙手,想把男子彈飛,但突然好幾朵木棉花飄了下來,掉落在他們之間,幾乎同一時間,狐狸,男子,娃娃發現自己突然不能動,而男孩此時突然睜開了雙眼

           --|在我失去感覺後,那又是甚麼感覺|--  MM.CS