使用sci-kit Learn從ANN檢索矩陣

Question

使用python 3.5，我執行以下操作

from sklearn.neural_network import MLPRegressor
import pandas as pd

從sklearn導入數據集從sklearn.decomposition導入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_[0]獲得矩陣，但是當我將其乘以測試用例時，我得不到0或1

我要做的是根據實驗室數據訓練ANN，然后將其實現為硬件上的矩陣乘法。 硬件可以執行基本算術運算，因此我需要將ANN解構為矩陣，然后將矩陣乘法編程為迭代乘法/加法

Answer 1

簡短的“特定於此問題”的答案是

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

長答案如下（甚至更長的版本在這里： https : //www.mohammadathar.com/blog/2017/2/15/a-different-look-at-neural-networks ）

感知器神經網絡可以這樣建模：

真正的意思是“將輸入值乘以權重，然后相加。然后加上一個偏差值。然后激活。然后乘以權重並相加，然后激活。然后重復！”

作為矩陣數學，它看起來像這樣

因此， reg.coefs_是矩陣系數（每層）， reg.intercepts_是激活值（同樣，每層）