Machine learning 多层感知器-找到；分离；曲线

对于单层感知器，很容易找到“分离线”（我不知道专业术语）的方程，这条线在训练后，根据感知器的权重，在两种类型的点之间分离。在多层感知器中，如何以类似的方式找到两类点之间的曲线方程（不是直线）

---

谢谢。

这只是尝试获得分离边界或曲线的近似值

数据集 下面我绘制了示例数据集的两种类型之间的分离曲线。该数据集来自coursera-Andrew Ng的机器学习课程。下面的代码片段也借鉴了Andrew的ML课程的

Ex6

边界图 要绘制分离曲线

• 首先根据训练数据训练神经网络
• 在

  Matlab

  中，使用所需的粒度生成二维数据网格，如下所示：

此函数用于计算矩阵

Z

的轮廓线。参数

X

、

Y

和

VN

是可选的

 The return value LEV is a vector of the contour levels.  The
 return value C is a 2 by N matrix containing the contour lines in
 the following format

      C = [lev1, x1, x2, ..., levn, x1, x2, ...
           len1, y1, y2, ..., lenn, y1, y2, ...]

 in which contour line N has a level (height) of LEVN and length of
 LENN.

因此，如果您确实想得到曲线的分析描述，矩阵

C

应该包含足够的信息。在我的示例图中，在解析

C

之后，我得到了30个级别。第一层中前6个点的坐标如下所示：

x: 2.3677e-01   2.3764e-01   2.4640e-01   2.4640e-01   2.4640e-01   2.4640e-01 ...
y: 4.0263e-01   4.0855e-01   4.0909e-01   4.1447e-01   4.2039e-01   4.2631e-01 ...

请注意，它们正是轮廓上从（0.23677，0.40263）开始的点。使用这些轮廓点，可以直接使用多条线段来近似曲线（因为每条线段可以由两个端点确定）

---

希望能有帮助

多谢各位。还有一种近似曲线的分析方法吗？首先，您可能希望尝试识别网格上最靠近轮廓的点（查看

轮廓
函数的源代码应该会有所帮助）。然后，使用多个线段来近似曲线是很简单的（因为每条线段可以由两个端点确定）。
[C, LEV] = contourc (X, Y, Z, VN)

 The return value LEV is a vector of the contour levels.  The
 return value C is a 2 by N matrix containing the contour lines in
 the following format

      C = [lev1, x1, x2, ..., levn, x1, x2, ...
           len1, y1, y2, ..., lenn, y1, y2, ...]

 in which contour line N has a level (height) of LEVN and length of
 LENN.

x: 2.3677e-01   2.3764e-01   2.4640e-01   2.4640e-01   2.4640e-01   2.4640e-01 ...
y: 4.0263e-01   4.0855e-01   4.0909e-01   4.1447e-01   4.2039e-01   4.2631e-01 ...