python - PyBrain 预测错误

我试图预测一组给定商品的销售价格。我在 pybrain 中使用 RecurrentNetwork 和 BackpropTrainer。这是我的代码，

def nnet(train, target, valid):

    ds = SupervisedDataSet(52-len(NU)+5, 1)

    for i in range(len(train)):
        ds.appendLinked(train[i], target[i])

    n = RecurrentNetwork()

    n.addInputModule(LinearLayer(52-len(NU)+5, name='in'))
    n.addModule(SigmoidLayer(3, name='hidden'))
    n.addOutputModule(LinearLayer(1, name='out'))

    n.addConnection(FullConnection(n['in'], n['hidden'], name='c1'))
    n.addConnection(FullConnection(n['hidden'], n['out'], name='c2'))
    n.addRecurrentConnection(FullConnection(n['hidden'], n['hidden'], name='c3'))

    n.sortModules()

    t = BackpropTrainer(n,learningrate=0.001,verbose=True)
    t.trainOnDataset(ds, 20)

    prediction = np.zeros((11573, 1), dtype = int)
    for i in range(11573):
        prediction[i] = n.activate(valid[i])

    return prediction

这里使用 numpy 数组 train 和 target 来训练模型，52-len(NU)+5 是属性(特征)的数量。对于每个有效的项目，我们必须预测销售价格。问题是，对于每个有效的项目，除了第一个之外，我得到相同的销售价格。我做错了什么？提前致谢。

数组维度如下，

火车 - 401125, 52-len(NU)+5

目标 - 401125, 1

有效 - 11573，52-len(NU)+5

最佳答案

我不确定 PyBrain 的具体实现细节，但我看到了两种可能性。

1) 反向传播不适用于线性激活函数。根据 PyBrain 的实现细节，将“LinearLayer”的两个实例更改为“SigmoidLayer”可以解决此问题。

2) 对于循环神经网络，您必须使用时间反向传播(一种专门适用于 RNN 的算法)而不是正常的反向传播。根据 PyBrain 的实现细节，此变体可能有一个单独的类。值得一试。

关于python - PyBrain 预测错误，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/15319030/