Я хочу создать сеть экстремальных обучающих машин для прогнозирования количества пациентов с ГЛЖ в следующем месяце.Первое, что я делаю, это рандомизирую входной вес и вес смещения, затем я должен вычислить H, который является матриксом скрытого слоя.У меня есть 4 входа: температура, влажность, осадки и количество пациентов с ДГФ.Для обучения и тестирования у меня есть 132 данных для каждого входа.В моей программе я пишу этот алгоритм
`def Hmatriks(data,weights, hidden_neuron, dataset):
b = np.zeros(shape=hidden_neuron, dtype=np.float64)
H = np.zeros((len(dataset[0]), hidden_neuron))
for k in range(len(dataset[0])):
for l in range(hidden_neuron):
b = weights[l][-1] + weights[l][k] * dataset[data][k]
H[k][l] = np.sqrt(1.0 + pow(b, 2.0)) #multiquadratic
return H`
и для обучения у меня есть этот код
`for data in range(len(input_train)):
sum_error = 0
matriksH = Hmatriks(data, weight, hidden_neuron, input_train)`
это правильно?но после всего процесса обучения, mse довольно низок, и когда я использую его для прогнозирования, он не точен, прогнозируемое число далеко от фактического значения.
мой вопрос: когда вы вычисляете скрытую матрицу слоев, вы выбросили все данные, чтобы получить скрытую матрицу слоев, или у 1 данных есть только 1 скрытая матрица слоев?Вы можете написать структуру матрицы скрытого слоя с несколькими входами?
Спасибо ~