为什么我们将对 numpy.random.random 的调用乘以数字并减去数字？

Question

我在一篇关于反向传播的文章中找到了这段代码，但我对它的工作原理感到困惑。文章是这样说的

"This is our weight matrix for this neural network. It's called "syn0" 意味着 "synapse zero"。由于我们只有 2 层（输入和输出），我们只需要一个权重矩阵来连接它们。它的维度是 (3,1 ) 因为我们有 3 个输入和 1 个输出。"

我想通过输入指定作者指的是数组 "X"，输出指的是数组 "Y"。

我的第一个问题是为什么文章声称我们只有 3 个输入。看一眼代码就会发现我们的数组 X 的大小为 4。我是不是误会了什么？

我的第二个问题是为什么要将对 np.random.random() 的调用乘以 2？

感谢您的帮助！

import numpy as np    

X = np.array([ [0,0,1],
               [0,1,1],
               [1,0,1],
               [1,1,1] ])

y = np.array([[0,0,1,1]]).T  

# initialize weights randomly with mean 0
syn0 = 2*np.random.random((3,1)) - 1

Answer 1

形状 (3, 1) 给你一个 3×1 的矩阵； 3 行中的每行 1 列。那只有3个值。

乘法和减法采用 numpy.random.random() 产生的值范围来产生更宽的范围。

random() 始终生成介于 0 和 1 之间的浮点值，并将这些值乘以 2，然后减去 1 意味着您现在的值介于 -1 和 1 之间。

参见 numpy.random.random() documentation:

Return random floats in the half-open interval [0.0, 1.0).

Results are from the “continuous uniform” distribution over the stated interval. To sample Unif[a, b), b > a multiply the output of random_sample by (b-a) and add a:
(b - a) * random_sample() + a

（注意np.random.random()是np.random.random_sample()的别名）

因此，要生成 a = -1 和 b = 1 之间的值，您需要乘以 b - a = 2，然后减去 1 (+ -1)。

您可以在交互式会话中尝试运行代码：

>>> import numpy as np
>>> np.random.random((3, 1))  # a 3 x 1 matrix of values between 0 and 1
array([[0.11605033],
       [0.31756365],
       [0.4690499 ]])
>>> 2 * np.random.random((3, 1))  # a 3 x 1 matrix of values between 0 and 2
array([[1.30127808],
       [0.3982432 ],
       [1.96544242]])
>>> 2 * np.random.random((3, 1)) - 1  # a 3 x 1 matrix of values between -1 and 1
array([[ 0.39767412],
       [-0.83410998],
       [-0.62446309]])

为什么我们将对 numpy.random.random 的调用乘以数字并减去数字？

Why do we multiply calls to numpy.random.random by numbers and subtract numbers?

python

arrays

numpy

random

backpropagation