Илья

Не совсем понимаю, в чем суть задумки. А вернее, какой результат вы хотите получить?

Метод Ньютона находит ноль функции - просто точку, в которой функция будет равна нулю.
Метод градиентного спуска находит минимум функции (не всегда глобальный).
Ноль функции не обязательно должен быть ее минимумом.

1, 3. Сложно анализировать, когда ничего не знаешь о прикладной среде, в которой используется сеть. Исходя из входных данных сети, результат довольно неплохой, совсем неплохо выигрывать в 66 случаях из 100(грубо говоря).

Нейронка сама постепенно определяет, какие данные имеют большее влияние на результат. Но как мы можем знать, что именно те данные, которые мы даем на вход являются ключевыми? Или, быть может, на вход мы подали не все данных, которые необходимы.

2. Чтобы повысить процент точности, можно поиграться с коеффициентом обучения, количеством узлов промежуточного слоя и эпохами (но не факт, что это поможет, возможно, это предел сети).

num_set = set()
x = 1

while x != 0:
    x=int(input('введите число '))
    num_set.add(x)
    
num_set.remove(max(num_set))
print(max(num_set))

Думаю, структура базы не должна быть какой-то особенной для решение данной задачи. Просто создаем таблицу, заливаем в нее данные (примеры на MS SQL, но думаю, суть будет ясна):


С помощью Python подключиться к базе не очень сложно, вот ссылка на статью, там довольно доступно объясняется - https://habr.com/ru/post/321510/

После получения данных из базы, они будут выглядеть примерно так:

result = [('Moscow', 'Ivanova', '10',) , ('Moscow', 'Ivanova', '13a',) , ('Moscow', 'Ivanova', '2') ......]

После чего добавляем данные из базы в словарь, из которого потом формируем json с помощью модуля с таким же названием(json).
Вот скрипт, которым я пользовался (данные немного другие, чем со скриншота, но суть не меняется):

import json
import collections as col


rows_from_DB = [('Moscow','Lomonosova','14',), ('Moscow','Lomonosova','15a',), ('Omsk','Ivanova','4',), ('Moscow','Kotlyara','7',), ('Sochi','Zhukova','11b',)]

cities = col.defaultdict()


for row in rows_from_DB:
    
    if row[0] not in cities:
        cities[row[0]] = col.defaultdict()
        
        
    if row[1] not in cities[row[0]]:
        cities[row[0]][row[1]] = []
       
        
    cities[row[0]][row[1]].append(row[2])
    
    
print(json.dumps(cities))

Скрипт далеко не идеальный, думаю, если почитать больше про defaultdict, будет проще его оптимизировать.

На выходе вот такой json (немного отличается от требуемого, но можно поиграться с модулем, для нужного результата):

{
	"Omsk": {
				"Ivanova": ["4"]
			}, 
	"Moscow": {
				"Kotlyara": ["7"], 
				"Lomonosova": ["14", "15a"]
			  }, 
	"Sochi": {
				"Zhukova": ["11"]
			 }
}

Не знаю, насколько этот вариант оптимальный, но все же

def user_search(user):
    
    with open('file_path', 'w+') as file:

        text_file = file.read()
    
        try:
            user_index = text_file.index(str(user))
            # если он нашелся, дальше можно как-то распарсить значения sms и phone,
            # в заваисимости от значений выводить разные print
            
            
        # если его нет в файле, выдаст ValueError, тогда добавляем его
        except ValueError:
            text_file.write('{users: #' + user + ' [sms = false , phone = false]}')