我需要使用前馈网络解决回归问题,并且我一直在尝试使用PyBrain来做到这一点。由于在pybrain的引用资料中没有回归的示例,因此我尝试将其分类示例改编为回归,但是没有成功(分类示例可以在这里找到:http://pybrain.org/docs/tutorial/fnn.html)。以下是我的代码:

第一个函数将numpy数组形式的数据转换为pybrain SupervisedDataset。我使用SupervisedDataset,因为根据pybrain的引用,它是问题回归时要使用的数据集。参数是一个具有特征向量(数据)及其预期输出(值)的数组:

def convertDataNeuralNetwork(data, values):

fulldata = SupervisedDataSet(data.shape[1], 1)

for d, v in zip(data, values):

    fulldata.addSample(d, v)

return fulldata

接下来,是运行回归的函数。 train_data和train_values是火车特征向量及其预期输出,test_data和test_values是测试特征向量及其预期输出:

regressionTrain = convertDataNeuralNetwork(train_data, train_values)

regressionTest = convertDataNeuralNetwork(test_data, test_values)

fnn = FeedForwardNetwork()

inLayer = LinearLayer(regressionTrain.indim)
hiddenLayer = LinearLayer(5)
outLayer = GaussianLayer(regressionTrain.outdim)

fnn.addInputModule(inLayer)
fnn.addModule(hiddenLayer)
fnn.addOutputModule(outLayer)

in_to_hidden = FullConnection(inLayer, hiddenLayer)
hidden_to_out = FullConnection(hiddenLayer, outLayer)

fnn.addConnection(in_to_hidden)
fnn.addConnection(hidden_to_out)

fnn.sortModules()

trainer = BackpropTrainer(fnn, dataset=regressionTrain, momentum=0.1, verbose=True, weightdecay=0.01)

for i in range(10):

    trainer.trainEpochs(5)

    res = trainer.testOnClassData(dataset=regressionTest )

    print res

当我打印res时,它的所有值都是0。我试图使用buildNetwork函数作为构建网络的快捷方式,但是效果不佳。我也尝试过不同种类的层和隐藏层中不同数量的节点,但是没有运气。

有人对我在做什么错有任何想法吗?另外,一些pybrain回归示例确实有帮助!当我看时找不到任何东西。

提前致谢

最佳答案

pybrain.tools.neuralnets.NNregression 是一种工具



因此似乎很适合为您的回归任务构建神经网络。

关于python - pybrain的神经网络回归,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/16879928/

10-11 07:42