노드 4, 5, 6은 히든 레이어를 구성하고 있다. 히든 레이어는 wheels, chassis, passenger 입력 속성으로부터 입력을 받고 있다.

---

Sigmoid Node     4
    Inputs     Weights
    Threshold     0.011850776365702677
    Attribwheels     0.0429940506718635
    Attribchassis     -0.035625493582980464
    Attribpax     -0.021284810000068835
Sigmoid Node     5
    Inputs     Weights
    Threshold     0.011165074786232076
    Attribwheels     -0.018370069737576836
    Attribchassis     -0.030938315802372954
    Attribpax     0.01567513412449774
Sigmoid Node     6
    Inputs     Weights
    Threshold     -0.04753959806853169
    Attribwheels     -0.00211881373779247
    Attribchassis     0.040431974347463484
    Attribpax     -0.017943250444400316

---

 

각 노드에는 대응되는 입력 노드의 입력 타입과 가중치가 있다.

요약을 보면 많은 인스턴스가 정확히 분류되었음을 알 수 있다.

마지막 Confusion Matrix에서 분류 횟수를 볼 수 있다.

---

===ConfusionMatrix ===

a b c d <– classifiedas 33 0 0 0 ┃a = Bus 0 27 0 0 ┃b = Car 0 0 20 0 ┃c = Bike 0 0 0 20 ┃d = Truck