我已经编写了一个简单的神经网络代码，采用Python语言。神经网络使用Sigmoid函数来预测结果（0或1）。我的问题是，如何基于我的输入来预测结果？

例如，我想对以下输入值进行预测：

输入1: 0.3输入2: -0.1输入3: 0.1my_input = [0.3, -0.1, 0.1]

我应该在哪里传递这些参数/输入？这是我目前的代码：

import numpy as npimport pandas as pddf = pd.DataFrame({'input 1':[0.5, 0.3, 0, 0.1, 0.4, -0.4, 0.4, 0.1, -0.6, 0.2, 0.6, 0, 0.2, 0.2, -0.1, -0.1, 0, 0.4, -0.2, -0.4],                   'input 2':[0.3, 0.6, -0.4, -0.2, 0.9, 0, 0.35, -0.4, -0.9, 0.4, 0.3, -0.1, 0.1, 0.3, 0.1, 0.1, 0.3, 0.1, 0.3, 0.3],                   'input 3':[0, 0.4, 0, -0.1, 0.4, -0.2, 0.7, -0.3, -0.1, 0.1, 0.3, 0, 0.5, 0.4, -0.31, 0.1, 0.3, 0.1, 0.1, 0.2],                   'result':[1, 1, 0, 0, 1, 0, 1, 0, 0, 1, 1, 0, 1, 1, 0, 0, 1, 1, 1, 0]})print(df)def sigmoid(x):    return 1 / (1 + np.exp(-x))def sigmoid_derivate(x):    return x * (1 - x)features = df.iloc[:,:-1].to_numpy()results =  df.iloc[:,-1:].to_numpy()np.random.seed(1)weights = 2 * np.random.random((3,1)) - 1print('这些是我的随机权重:\n')print(weights)for iteration in range(100000):    input_layer = features    outputs = sigmoid(np.dot(input_layer, weights))    error = results - outputs    adjustments = error * sigmoid_derivate(outputs)    weights += np.dot(input_layer.T, adjustments)df['output prediction'] = outputs.round(0)print(df)

因此，输出应该只有一个值，零或一。

感谢您的帮助

回答：

您的预测方法与训练时相同：

my_output = sigmoid(np.dot(my_input, weights))

如果您使用训练集中的前三个示例作为输入，您将找到正确的输出：

my_input = [0.3,-0.1,0.1]预测: [1.]my_input = [0.5,.3,0]预测: [1.]my_input = [0.0,-.4,0.0]预测: [2.25648121e-13]

祝贺您成功实现了自己的训练！