Python 如何在简单的逻辑回归神经网络中计算误差？_Python_Neural Network_Logistic Regression_Cross Entropy

Python 如何在简单的逻辑回归神经网络中计算误差？

python neural-network

Python 如何在简单的逻辑回归神经网络中计算误差？,python,neural-network,logistic-regression,cross-entropy,Python,Neural Network,Logistic Regression,Cross Entropy,下面是以下数据框，报告了针对二进制分类问题对数据集进行培训的结果： a列和b列分别代表x和y，神经网络的结构如下：列h1、h2、h3和o表示上图中网络的sigmoid激活函数后节点的输出，而delta_h1、delta_h2、delta_h3和delta_o表示节点的错误。例如，考虑到我们的第一行，神经网络的输出为o=0.45196，而真实值为t=1。根据我们得到的二进制交叉熵计算误差：从中可以看出： delta_o = 0.45196-0.3449 = 0.10706 相反，

下面是以下数据框，报告了针对二进制分类问题对数据集进行培训的结果：

a列和b列分别代表x和y，神经网络的结构如下：

列h1、h2、h3和o表示上图中网络的sigmoid激活函数后节点的输出，而delta_h1、delta_h2、delta_h3和delta_o表示节点的错误。例如，考虑到我们的第一行，神经网络的输出为o=0.45196，而真实值为t=1。根据我们得到的二进制交叉熵计算误差：

从中可以看出：

  delta_o = 0.45196-0.3449 = 0.10706

相反，在结果文件中显示的是

delta_o=0.13575

。我不知道我的推理是否正确，你能告诉我哪里错了吗？谢谢大家!

  delta_o = 0.45196-0.3449 = 0.10706