R - Interpretation des Diagramms neuronaler Netze

Ich weiß, dass es ähnliche Fragen zu stats.SE gibt, aber ich habe keine gefunden, die meine Anfrage erfüllt. Bitte, bevor Sie die Frage als Duplikat markieren, pingen Sie mich im Kommentar an.

Ich betreibe ein neuronales Netzwerk, das auf neuralnetder Vorhersage von SP500-Indexzeitreihen basiert, und möchte verstehen, wie ich die unten angegebene Darstellung interpretieren kann:

Insbesondere interessiert mich, wie das Gewicht der verborgenen Schicht und das Eingabegewicht interpretiert werden. Könnte mir bitte jemand erklären, wie man diese Zahl interpretiert?

Jeder Hinweis wird geschätzt.

Wie David in den Kommentaren feststellt, möchten Sie, wenn Sie ein Modell interpretieren möchten, wahrscheinlich etwas anderes als neuronale Netze untersuchen. Das heißt, wenn Sie die Netzwerkdarstellung intuitiv verstehen möchten, ist es am besten, sie in Bezug auf Bilder zu betrachten (etwas, in dem neuronale Netzwerke sehr gut sind).

1. Die am weitesten links stehenden Knoten (dh Eingabeknoten) sind Ihre Rohdatenvariablen.
2. Die Pfeile in Schwarz (und die zugehörigen Zahlen) sind die Gewichte, die Sie sich vorstellen können, wie viel diese Variable zum nächsten Knoten beiträgt. Die blauen Linien sind die Bias-Gewichte. Den Zweck dieser Gewichte finden Sie in der hervorragenden Antwort hier .
3. Die mittleren Knoten (dh alles zwischen den Eingabe- und Ausgabeknoten) sind Ihre versteckten Knoten. Hier hilft die Bildanalogie. Jeder dieser Knoten bildet eine Komponente, die das Netzwerk zu erkennen lernt. Zum Beispiel eine Nase, ein Mund oder ein Auge. Dies ist nicht leicht zu bestimmen und weitaus abstrakter, wenn Sie mit Nicht-Bilddaten arbeiten.
4. Der Knoten ganz rechts (Ausgabeknoten) ist die endgültige Ausgabe Ihres neuronalen Netzwerks.

Beachten Sie, dass dies alles die Aktivierungsfunktion auslässt, die auch auf jeder Ebene des Netzwerks angewendet wird.