同一算法 scikit 神经网络多次运行的不同预测答案

【问题标题】：Different predictions on multiple run of the same algorithm scikit neural network同一算法 scikit 神经网络多次运行的不同预测
【发布时间】：2016-07-05 12:58:25
【问题描述】：

因为 MLP 可以实现任何功能。我有以下代码，我正在尝试使用它来实现 AND 函数。但是我发现在多次运行该程序时，我最终会得到不同的预测值。为什么会这样？另外，如何确定必须在不同层提供哪种类型的激活函数？

from sknn.mlp import Regressor,Layer,Classifier
import numpy as np   
X_train = np.array([[0,0],[0,1],[1,0],[1,1]])
y_train = np.array([0,0,0,1])
nn = Classifier(layers=[Layer("Softmax", units=2),Layer("Linear", units=2)],learning_rate=0.001,n_iter=25)
nn.fit(X_train, y_train)
X_example = np.array([[0,0],[0,1],[1,0],[1,1]])
y_example = nn.predict(X_example)
print (y_example)

【问题讨论】：

对于分类通常是使用的标量积，对于您的问题，您恰好需要 1 个神经元。层决定了可以分类的区域。 1层半平面，2层凸区域，每个区域3层
我得到不同的预测怎么办？
很可能是因为起始权重是随机生成的。您可能应该探索如何为您想要的一致性设置随机种子。
我该怎么做才能在简单 AND 函数的训练数据上测试我的模型时获得 100% 的准确率？

标签： python machine-learning scikit-learn neural-network

【解决方案1】：

-每次运行获得的不同值是因为您的权重是随机初始化的。 - 激活函数具有不同的属性。您可以根据自己的经验来决定哪种方法最适合您的情况，或者您可以阅读它们的工作原理 (https://stats.stackexchange.com/questions/115258/comprehensive-list-of-activation-functions-in-neural-networks-with-pros-cons)

【讨论】：