如何在 R 中解释神经网络图答案

【问题标题】：How to interpret Neural Network graph in R [closed]如何在 R 中解释神经网络图
【发布时间】：2013-10-25 19:04:29
【问题描述】：

朋友们，我正在尝试在 R 中学习神经网络。有人可以帮我解释 R 中的神经网络图吗？朋友们，我得到了这张图

请朋友帮我解释一下这张图任何帮助将不胜感激

【问题讨论】：

朋友，你到底有什么问题？
@BartoszKP- 朋友我正在阅读 R 中的神经网络教程。所以运行了一个示例代码并得到了这个输出，你能帮我解释一下这个输出吗？
这是题外话。请在此测试版网站上为问题投票：area51.stackexchange.com/proposals/57719/… - 这些问题应该属于那里。
我喜欢这个问题，只是不喜欢你问的地方。在 stackechange stats 中有一个 R 部分（用 [r] 标记）：stats.stackexchange.com

【解决方案1】：

这张图代表了著名的Iris dataset 上下文中的神经网络。该数据集包含iris plant 的三种类型的四个属性。这些属性的名称显示在您提供的图片的左侧。

数据从左向右流动。属性（植物的属性）被呈现给输入层（从左边算起的第一列节点）。这些值中的每一个都乘以适当的权重，并呈现给下一层的节点 - 隐藏层（节点的中间列）。隐藏层还获得了一个偏置值输入（在左上一行标记为1 的节点）。神经元需要偏置才能表示任何分离的超平面，而不仅仅是穿过原点的超平面。例如，在简化的 2D 情况下，忽略激活函数，没有偏差的神经网络节点可以表示以下形式的任何线：

y = a*x

其中x 是输入值，a 是权重。有了偏差，它就可以代表所有可能的线：

y = a*x + b*1

1 对应图中的1 节点，b 是它的权重（在图中也可见）。

对于输出层（图中节点的最后一列）重复完全相同的场景。

右边的标签代表类标签，对应于分类植物的名称。这种结构代表了赢家通吃 (WTA) 范式。也就是说，最终的决定取决于哪个输出神经元的值最高。例如，如果顶部输出神经元的输出值为0.8，中间的输出值为0.76，而底部的输出值为0.3，则决定呈现的属性代表“Iris setosa”类。

【讨论】：