NNDL实验： Moon1000数据集 - 弯月消失之谜
目录
弯月在哪里？
真正的弯月
一位同学的弯月
适合Logistics与FNN二分类对比的数据集
感谢以下两位同学
破解“弯月消失之谜”
弯月在哪里？
怎么看也不像书上说的，两个弯月形状。
但是源代码运行后就是这个样子，凑合着用吧。
实验课本源代码，运行后效果：
第三章 Logistics回归，用这个数据集没问题。
第四章 FNN二分类，用这个数据集，看不出Logistics回归与FNN的区别。
感觉存在一些问题。
真正的弯月
找到一份未运行过的源代码，发现这张图：
这才是“两个弯月形状” ！书上的代码肯定是出了问题了，导致运行后，弯月不见了。
一位同学的弯月
班里有细心的同学，做了真正的弯月：
[2022-09-26]神经网络与深度学习第3章-前馈神经网络(part1)_三工修的博客-CSDN博客
适合Logistics与FNN二分类对比的数据集
感觉“假”弯月数据集不妥，是受到这位同学数据集的启发：
HBU-NNDL 实验五 前馈神经网络（1）二分类任务_不是蒋承翰的博客-CSDN博客
感谢以下两位同学
三工修
https://blog.csdn.net/LupnisJ
不是蒋承翰https://blog.csdn.net/m0_57215376
没完成实验的同学，建议直接使用“真正弯月”数据集。
已完成实验的同学，不建议删除原来的博文，建议在末尾增加：“修正”，新增分析。
完整记录学习过程。
2022.9.29 更新：
HBU-NNDL 实验五 前馈神经网络（1）二分类任务_不是蒋承翰的博客-CSDN博客
破解“弯月消失之谜”
noise设置的太大
noise设置为0：
噪音加到0.2：
数据集的形状：建议调整成下图样式，效果比较好：
REF：月亮数据预测(决策树和随机森林算法)_对月亮数据训练并微调一个决策树
尝试输出类似分类效果：
鸢尾花数据集、月亮数据集二分类可视化分析_是陆小鹿啊的博客-CSDN博客_二分类结果可视化
