逻辑函数错误分类答案

【问题标题】：Logistic function misclassification逻辑函数错误分类
【发布时间】：2017-08-03 14:42:11
【问题描述】：

我在尝试教神经网络 XOR 逻辑函数时遇到了麻烦。我已经使用双曲正切和 ReLU 作为激活函数对网络进行了成功的训练（关于 ReLU，我知道它不适合这类问题，但我仍然想测试它）。尽管如此，我还是无法让它与logistic function 一起工作。我对函数的定义是：

def logistic(data):
    return 1.0 / (1.0 + np.exp(-data))

及其派生词：

def logistic_prime(data):
    output = logistic(data)
    return output * (1.0 - output)

np 是 NumPy 导入包的名称。由于 XOR 逻辑使用的是 0 和 1，因此逻辑函数应该是适当的激活函数。尽管如此，我得到的结果在所有情况下都接近 0.5，即 0 和 1 的任何输入组合都会产生接近 0.5 的值。我说的有什么错误吗？

不要犹豫，向我询问更多上下文或更多代码。提前致谢。

【问题讨论】：

您可以将logistic(data) 的输出分配给logistic_prime 中的局部变量并使用它两次，而不是实际调用该函数两次。这与你的问题无关，但至少训练会失败得更快。

【解决方案1】：

我和你有同样的问题。当数据不能被线性超平面划分时，就会出现问题。尝试训练数据：

X = [[-1,0],[0,1],[1,0],[0,-1]]
Y = [1,0,1,0]

如果你把它画在一个坐标上，那么你就可以了，它不是线性可分的。在logistic上训练它，参数都接近0，结果接近0.5。

另一个线性可分的例子是使用Y = [1,1,0,0] 和后勤工作。

【讨论】：