利用scikit学习从ANN中检索矩阵

Question

使用Python3.5，我执行以下操作

from sklearn.neural_network import MLPRegressor
import pandas as pd

从sklearn导入数据集 从sklearn.分解导入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]得到矩阵，但是当我将它乘以一个测试用例时，我得不到0或1

我要做的是训练一个基于实验室数据的人工神经网络，然后在硬件上实现矩阵乘法。硬件可以做基本的运算，所以我需要把我的人工神经网络解构成一个矩阵，然后将矩阵乘法编程为迭代乘法/加法

Answer 1

简而言之，“针对这个问题”的答案是

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

答案如下（这里的版本更长：https://www.mohammadathar.com/blog/2017/2/15/a-different-look-at-neural-networks）

感知器神经网络可以这样建模：

真正的意思是“将输入值乘以权重，然后相加。然后添加一个偏差值。然后激活。然后乘以权重，再相加。然后激活。再重复一遍！”你知道吗

作为矩阵数学，它看起来像这样

所以reg.coefs_是矩阵系数（每层），而reg.intercepts_是活化值（同样，每层）