機器學習，訓練後，它如何得到預測？ opencv

Question

所以，當你有一個機器學習算法，訓練了你的圖層，節點和權重後，它究竟如何得到一個輸入向量的預測？我正在使用MultiLayer Perceptron（神經網絡）。

從我目前的理解，你開始你的輸入向量來預測。然後，將其發送到您的隱藏層，在其中它將偏置項添加到每個數據點，然後添加每個數據點的產品和每個節點的權重（在訓練中找到）的總和，然後通過訓練中使用的激活函數相同。對每個隱藏層重複一次，然後對輸出層執行相同的操作。然後，輸出層中的每個節點都是您的預測。 這是正確的嗎？

我使用OpenCV時也做到這一點，因爲在guide它說，當你使用函數預測弄糊塗了：

如果您使用的是默認cvANN_MLP :: SIGMOID_SYM激活 函數的默認參數值fparam1 = 0和fparam2 = 0 那麼使用的函數是y = 1.7159 * tanh（2/3 * x），所以輸出 的範圍將從[-1.7159,1.7159]，而不是[0,1]。

然而，當訓練認爲SIGMOID_SYM使用激活函數的文檔中還指出： f(x)= beta*(1-e^{-alpha x})/(1+e^{-alpha x}) 其中α和β是用戶定義的變量。

所以，我不太清楚這是什麼意思。 tanh功能在哪裏起作用？任何人都可以清除它嗎？謝謝你的時間！

發現此問題的文檔是here： 參考tanh在函數說明predict下。 對激活函數的引用是由頁面頂部的S查看圖形引用的。

由於這是一個普遍性的問題，而不是特定的代碼，我沒有發佈任何代碼。

Answer 1

我建議您閱讀一下您正在使用或計劃使用的適當算法。說實話，沒有一個確定的算法來解決問題，但是你可以探索你得到了什麼功能以及你需要什麼。

關於算法如何執行預測完全取決於算法的選擇。支持向量機（SVM）通過在特徵空間上擬合超平面並使用一些度量（如用於學習的距離）來執行預測，並且所學習的模型用於預測。另一方面，KNN使用簡單的最近鄰測量進行預測。

請做更多的工作，你需要什麼，並閱讀研究論文，以獲得正確的理解。預測中沒有涉及魔術，而是數學公式。