NNDL实验： Moon1000数据集 - 弯月消失之谜

目录

弯月在哪里？

真正的弯月

一位同学的弯月

适合Logistics与FNN二分类对比的数据集

感谢以下两位同学

破解“弯月消失之谜”

---

弯月在哪里？

怎么看也不像书上说的，两个弯月形状。

但是源代码运行后就是这个样子，凑合着用吧。

实验课本源代码，运行后效果：

第三章 Logistics回归，用这个数据集没问题。

第四章 FNN二分类，用这个数据集，看不出Logistics回归与FNN的区别。

感觉存在一些问题。

---

真正的弯月

找到一份未运行过的源代码，发现这张图：

这才是“两个弯月形状” ！书上的代码肯定是出了问题了，导致运行后，弯月不见了。

---

一位同学的弯月

班里有细心的同学，做了真正的弯月：

[2022-09-26]神经网络与深度学习第3章-前馈神经网络(part1)_三工修的博客-CSDN博客

---

适合Logistics与FNN二分类对比的数据集

感觉“假”弯月数据集不妥，是受到这位同学数据集的启发：

HBU-NNDL 实验五 前馈神经网络（1）二分类任务_不是蒋承翰的博客-CSDN博客

---

感谢以下两位同学

三工修https://blog.csdn.net/LupnisJ

不是蒋承翰https://blog.csdn.net/m0_57215376

---

没完成实验的同学，建议直接使用“真正弯月”数据集。

已完成实验的同学，不建议删除原来的博文，建议在末尾增加：“修正”，新增分析。

完整记录学习过程。

---

2022.9.29 更新：

---

HBU-NNDL 实验五 前馈神经网络（1）二分类任务_不是蒋承翰的博客-CSDN博客

破解“弯月消失之谜”

noise设置的太大

noise设置为0：

 噪音加到0.2：

 

 数据集的形状：建议调整成下图样式，效果比较好：

REF：月亮数据预测(决策树和随机森林算法)_对月亮数据训练并微调一个决策树

---

尝试输出类似分类效果：

鸢尾花数据集、月亮数据集二分类可视化分析_是陆小鹿啊的博客-CSDN博客_二分类结果可视化

​​​​​​​