我如何設計以下神經網路

1樓：Me1817

我奇葩的認為輸入不應該是4個而是所有天氣型別的分別onehot編碼拼接。因為輸入是離散資料不是連續資料，（冷熱中三檔，化為連續資料確實可以（0），（-1），（1）這樣表示，但是在表達一些特殊天氣組合的時候會有弊端。我推薦換成（001）（010）和（100）代表冷熱中。

而且這樣你的神經網路可以做成全域性binary，應該還可以用更少的網路層數做出更好的表達（可能啟用函式也不需要了）。多快好省。

因為事實上冷熱中之間對你可能想出去玩的某乙個理由不是單調表達的，並不是越冷你才越想出去，而是剛好適中你才想出去。那麼用任何啟用函式都只會獲得'天氣適中'對某一指標的貢獻是介於冷熱之間的。這時為了讓它能夠做出類似高斯曲線這樣的對映，就需要懟很深的網路。

但是我們做機器學習是為了解決問題，能解決問題最簡單方法才是最好的，可能你看不起這幾層網路多耗費的0. 01度電，和幾秒鐘的時間。但這種偷懶的思想等到你以後做更大的專案就會導致浪費10度電和好幾個小時。

總結：根據經驗進行結構設計很重要

2樓：藍天森林小樹

輸入層4個數字位，中間2個全連線的隱藏層，最後輸出層2個數字位，損失函式可以採用交叉熵損失，隨機梯度下降演算法就可以了。

前面的四列 outlook、 temperature、 humidity、windy都看做是輸入，最後一列Play看做輸出。

outlook 可以取0，1，2這三個值，分別代表Sunny、Overcast、 Rainny; Play可取1、0，分別代表yes、no，其他幾列類似。

這樣可以把第一行的輸入看成4個數字，比如［0，1，1，0］，輸出為［0］，數字怎麼對映不是最重要的，重要的是你要保持對映的一致性。下面幾行也是同樣的操作，把類別對映為數字。

為什麼要這樣做呢，因為轉換成數字才能運算，才能進行梯度計算，才能反向傳播。就是NLP自然語言處理，也是將文字轉換成數字，但通常會把詞轉換成向量。