Neural network PyBrain如何解释net.activate的结果？

我已经在PyBrain上训练了一个网络来进行分类，并且准备好用特定的输入进行攻击。然而，当我

classes = ['apple', 'orange', 'peach', 'banana']

data = ClassificationDataSet(len(input), 1, nb_classes=len(classes), class_labels=classes)

data._convertToOneOfMany( )                 # recommended by PyBrain

fnn = buildNetwork( data.indim, 5, data.outdim, outclass=SoftmaxLayer ) 

trainer = BackpropTrainer( fnn, dataset=data, momentum=m, verbose=True, weightdecay=wd)

trainer.trainUntilConvergence(maxEpochs=80)

# stop training and start using my trained network here

output = fnn.activate(input)

---

正如所料，我得到了“output”的一个数值，但是有没有办法直接确定预测的类标签呢？即使没有，我如何将“output”的值映射到我的类标签？谢谢您的帮助。

当您说“输出”得到一个数值时，您是指标量（即，不是数组）吗？根据我的理解，您应该得到一个包含四个值的数组（即，尽可能多的输出类）。该数组中的最大值对应于类的索引。我不知道PyBrain是否提供了一个实用函数来提取这些信息，但您可以这样做：

class_index = max(xrange(len(output)), key=output.__getitem__)
class_name = classes[class_index]

顺便说一句，您省略了在数据集中实际填充数据的步骤