我有以下数据：
0 0 0 0 0 0 0
0 0 0 0 1 0 0
0 0 0 1 0 0 0
0 0 0 1 1 0 0
0 0 1 0 0 0 0
0 0 1 0 1 0 0
0 0 1 1 0 0 0
0 0 1 1 1 1 0
0 1 0 0 0 0 0
0 1 0 0 1 0 1
0 1 0 1 0 0 0
0 1 0 1 1 1 1
0 1 1 0 0 0 0
0 1 1 0 1 1 1
0 1 1 1 0 1 0
0 1 1 1 1 1 1
1 0 0 0 0 0 0
1 0 0 0 1 0 0
1 0 0 1 0 0 0
1 0 0 1 1 1 0
1 0 1 0 0 0 0
1 0 1 0 1 1 0
1 0 1 1 0 1 0
1 0 1 1 1 1 0
1 1 0 0 0 0 0
1 1 0 0 1 1 1
1 1 0 1 0 1 0
1 1 0 1 1 1 1
1 1 1 0 0 1 0
1 1 1 0 1 1 1
1 1 1 1 0 1 0
1 1 1 1 1 1 1
我的意思是将此用作感知器的输入，即：
实现2层Perzeptron（一个输入层，一个输出层）。
Perzeptron必须具有N维的二进制输入X，M维的二进制输出Y和用于实现阈值的BIAS权重。
（N小于101，M小于30），在-0.5≤wn，m≤+0.5之间随机初始化所有权重
进一步实现使用perzeptron学习规则训练Perzeptron的可能性，该规则具有从名为PA-A-train.dat（P小于200）的文件中读取的模式（pX，pY），以及在文件的权重wn，m中。
问题是-我不明白数据-看起来空格后面的数字应该被当作标签，但是-如果是这样，为什么会有两个？标签不应该只有一个吗？
也许有人可以帮助我理解这一点。
最佳答案
神经网络可以具有任意数量的输出神经元。特别是，当一个人没有隐藏层时，训练M输出感知器等效于训练M个二进制感知器。因此，您的数据非常简单-您有M = 2个输出变量，每个变量都是特定输出神经元上的期望值。
关于machine-learning - 使感知器输入数据困惑，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/33597836/