使用一个输入,进行多次预测
def ele_mul(a, b):
# assert (len(a) == len(b)) # len()是 Python 的内置函数之一,它返回对象的长度。
output = [0, 0, 0] # 赋值output的初始值为0
# 当a和b长度一样的时,返回值为Ture
# Python的assert是用来检查一个条件,如果它为真,就不做任何事。如果它为假,则会抛出AssertError并且包含错误信息。
for i in range(len(b)): # for循环函数,自0开始便利全部函数
output[i] = a * b[i] # output = a[1]*b[1]+a[2]*b[3]+……+a[i]*b[i]
return output
weights = [0.3, 0.2, 0.9] # 定义了一个网络函数的权重
def neural_network(input, weights): # input是样本输入
pred = ele_mul(input, weights) # 预测函数,调用运算函数
return pred # 返回预测结果
wlrec = [0.65, 0.8, 0.8, 0.9]
for j in range(len(wlrec)):
input = wlrec[j]
pred = neural_network(input, weights)
print("这是第",j,"次便利")
print("结果pred预测为:",pred)
结果为:
这是第 0 次便利
结果pred预测为: [0.195, 0.13, 0.5850000000000001]
这是第 1 次便利
结果pred预测为: [0.24, 0.16000000000000003, 0.7200000000000001]
这是第 2 次便利
结果pred预测为: [0.24, 0.16000000000000003, 0.7200000000000001]
这是第 3 次便利
结果pred预测为: [0.27, 0.18000000000000002, 0.81]
进程已结束,退出代码0