LR模型虽然引用了激活函数sigmoid(或其他)引入非线性,但本质上FFNN前馈神经网络模型还是线性的
为了预测线性的结果,通常需要将连续的特征离散化.
下面是我自己做的例子:
测试算例解释:
有两个连续的特征x,y分别是0~1区间产生的随机数,对数据进行分类,判断数据是圆内还是圆外.
如果用x,y直接进行训练,无法得到有效的分类.
相比之下进行离散化,即在0~1区间内分5等份,如果数据落在对应区间为1,否则为0.
这样将2个特征分解为10个特征,用这10个特征进行训练
上图中散点图红色为分类为圆内的数据(将蓝色覆盖),可以看出对数据起到了分类的作用.
该神经节点结构为10-180-180-180-2 ,180为三个隐藏层节点,激活函数sigmoid
~end~