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