4、神经网络预测入门：多输入、多输出预测详解

神经网络预测入门：多输入、多输出预测详解

1. 多输入预测

在之前的神经网络中，通常只能接受一个数据点作为输入，并基于该数据点做出一个预测。但实际上，神经网络可以结合多个数据点的信息，理论上，提供给网络更多信息时，它能做出更准确的预测。

例如，我们有一个关于赛季前四场比赛的数据集，包含以下信息：
- toes ：当前每个球员的平均脚趾数
- wlrec ：当前获胜的比赛百分比
- nfans ：球迷数量（以百万为单位）

以下是一个简单的多输入神经网络示例代码：

weights = [0.1, 0.2, 0] 

def neural_network(input, weights):
    pred = w_sum(input, weights)
    return pred

def w_sum(a, b):
    assert(len(a) == len(b))
    output = 0
    for i in range(len(a)):
        output += (a[i] * b[i])
    return output

toes = [8.5, 9.5, 9.9, 9.0]
wlrec = [0.65, 0.8, 0.8, 0.9]
nfans = [1.2, 1.3, 0.5, 1.0]
input = [toes[0], wlrec[0], nfans[0]]
pred = neural_network(input, weights)
print(p