NumPy 将用于创建向量和矩阵以及数学操作。Scikit-learn 将用于缩放数据，Matplotlib 将用于在神经网络训练期间绘图。此外，训练具有高强度特征的机器学习模型将会比需要的慢，至少如果使用梯度下降法。由于 Scikit-learn 包及其 MinMaxScaler 类，在 Python 中实现特征伸缩非常容易。只需创建一个 MinMaxScaler 对象，并使用 fit_transform 函数将非缩放数据作为输入，该函数将返回相同的缩放数据。此外，我们的网络中不同节点之间的权重将在训练过程中进行调整。为了得到最精确的权重值，这是必要的。预测的输出数字有望与实际输出数字非常接近。经常使用的测量方法之一是平均绝对误差，这个误差应该随着时间的推移而减小。根据预测值是否高于或低于定义的限制，算法将新条目分为1或0。
暂无评论