Python 使用sci工具包从ANN检索矩阵

使用Python3.5，我执行以下操作

from sklearn.neural_network import MLPRegressor
import pandas as pd

从sklearn导入数据集 从sklearn.decomposition导入PCA

# import some data to play with
iris = datasets.load_iris()
X = iris.data[0:100, :2]  # we only take the first two features.
Y = iris.target[0:100]

X = StandardScaler().fit_transform(X)

X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.15)
reg = MLPRegressor(hidden_layer_sizes=(10,),
                           solver="lbfgs", #solver="lbfgs",
                           max_iter = 10000,
                           activation = 'relu')
reg.fit(X_train,y_train)

我可以使用

reg.coefs\u0]

获得矩阵，但是当我将它乘以一个测试用例时，我得不到0或1

我要做的是根据实验室数据训练神经网络，然后在一块硬件上实现矩阵乘法。硬件可以做基本的运算，所以我需要将我的ANN分解成一个矩阵，然后将矩阵乘法编程为迭代乘法/加法

np.dot((np.dot(X_test[0],reg.coefs_[0]) +reg.intercepts_[0] ),reg.coefs_[1]) + reg.intercepts_[1]

详细的答案如下（这里的版本甚至更长：）

感知器神经网络可以这样建模：

这真正的意思是“将输入值乘以一个权重，然后加上。然后加上一个偏差值。然后激活。然后乘以权重，然后加上。然后激活。然后重复！”

作为矩阵数学，它看起来是这样的

因此，

reg.coefs\uu

是矩阵系数（每层），而

reg.intercepts\uu

是激活值（同样，每层）