我是机器学习的新手。我想在我的服务器上设置一台机器，并使用数据库来存储学习到的数据。

var colorClassifier = new NeuralNetwork();colorClassifier.trainBatch([    {input: { r: 0.03, g: 0.7, b: 0.5 }, output: 0},  // black    {input: { r: 0.16, g: 0.09, b: 0.2 }, output: 1}, // white    {input: { r: 0.5, g: 0.5, b: 1.0 }, output: 1}   // white    ]);console.log(colorClassifier.classify({ r: 1, g: 0.4, b: 0 }));  // 0.99 - almost 

机器学习框架的代码大致如此，但我希望’colorClassifies’能逻辑上存储在我的数据库中，而不是在内存中，这样我就可以在时间过程中训练这台机器，而不会丢失关于旧训练的数据。我并不真正了解这些框架的内部工作原理，但我认为有可能实现我所要求的功能。谢谢

回答：

“我并不真正了解这些框架的内部工作原理”

无论框架如何工作，训练分类器意味着找到一组权重值，使分类器能够良好工作（通常这意味着最小化平方误差的总和）。因此，一个训练好的分类器本质上是一组实数。要持久化分类器，你需要将这些数字存储到你的数据库中。

每个权重可以由四个数字描述：

• 层号（整数）：第一层是输入层，其余是隐藏层（通常是一到两层），按照它们出现的顺序排列。
• 从、到（整数）：由于每个权重连接两个节点，这些节点在每层内的序列号
• 权重的值（通常是实数）

例如，如果你有一个从第二层的第三个节点到下一层的第五个节点的值为5.8的权重，你可以将其存储在一个表中

层: 2
从节点: 3
到节点: 5
值: 5.8

通过对所有权重重复此操作（一个简单的for循环），你可以将训练好的网络存储在一个简单的表中。我不知道你的框架是如何工作的，但通常会有一个成员函数，返回训练网络的权重，以列表或哈希映射格式