Python 用简单神经网络绘制决策边界问题
我正在尝试用一个2D输入向量（x1，x2）训练一个非常简单的神经网络，它使用一个感知器 我已经实现了下面我认为正确的反向传播。使用返回的权重向量，我得到了一条不在数据决策边界附近的线Python 用简单神经网络绘制决策边界问题,python,machine-learning,neural-network,backpropagation,Python,Machine Learning,Neural Network,Backpropagation,我正在尝试用一个2D输入向量（x1，x2）训练一个非常简单的神经网络，它使用一个感知器 我已经实现了下面我认为正确的反向传播。使用返回的权重向量，我得到了一条不在数据决策边界附近的线 def train_nn(self, training_set, labels): for _ in range(self.epochs): preds = np.dot(self.weights.T, training_set.T) z =
def train_nn(self, training_set, labels):
for _ in range(self.epochs):
preds = np.dot(self.weights.T, training_set.T)
z = sigmoid(preds)
error = z - labels
#back propogation - find derivative with respect to weights
derror_dy = error
dy_dz = sigmoid_deriv(preds)
derr_dz = derror_dy * dy_dz
derr_dweights = np.dot(training_set.T, derr_dz.T)
dz_dweights = self.lr * derr_dweights
self.weights -= dz_dweights
return self.weights