制作经过培训的数据集python的图形

大家好，我第一次在这里发帖，但是谢谢你们的工作

好的，我正在使用神经网络（多层前置器）进行测试，我正在使用UCI ML存储库进行测试，我必须用图形显示错误与历元数的关系，但我不知道我做错了什么，这是我得到的错误：

y1 = []
y2 = []
x = []
for i in range(40):
    #fer dos llistes (error y epoch) y despres fer un plot
    trainer.trainEpochs( 1 )
    trnresult = percentError( trainer.testOnClassData(),trndata['class'] )
    tstresult = percentError( trainer.testOnClassData(dataset=tstdata ),tstdata['class'] )

    print "epoch: %4d" % trainer.totalepochs, \
          "  train error: %5.2f%%" % trnresult, \
          "  test error: %5.2f%%" % tstresult

    if i==1:
        g=Gnuplot.Gnuplot()
    else:
        y1 = y1.append(float(trnresult))
        y2 = y2.append(float(tstresult))
        x = x.append(i)
d1=Gnuplot.Data(x,y1,with_="line")
d2=Gnuplot.Data(x,y2,with_="line")
g.plot(d1,d2)

我曾尝试在y1.append（）处使用int和float，但我得到了相同的错误。 这是我在控制台上得到的全部信息：

y1 = y1.append(float(trnresult))
AttributeError: 'NoneType' object has no attribute 'append'

培训模式数量：233
输入和输出维度：6 2
第一个示例（输入、目标、类）：
[ 63.03  22.55  39.61  40.48  98.67  -0.25] [1 0] [ 0.]
总误差：0.110573541007
历元：1列车错误：33.05%测试错误：29.87%
总误差：0.0953749484982
历元：2列错误：32.19%测试错误：35.06%
总误差：0.0977600868845
历元：3列错误：27.90%测试错误：29.87%
回溯（最近一次呼叫最后一次）：
文件“C:\Python\Practice\dataset.py”，第79行，在
y1=y1.追加（浮点（trnresult））
AttributeError:“非类型”对象没有属性“附加”

谢谢。

列表上的

append（）

函数不返回值。因此，将

y1

替换为

None

。您应该执行

y1.append（）

和

y2.append（）

，而不必重新分配到

y1

和

y2

更具体地说

Number of training patterns:  233

Input and output dimensions:  6 2

First sample (input, target, class):

[ 63.03  22.55  39.61  40.48  98.67  -0.25] [1 0] [ 0.]

Total error: 0.110573541007

epoch:    1   train error: 33.05%   test error: 29.87%

Total error: 0.0953749484982

epoch:    2   train error: 32.19%   test error: 35.06%

Total error: 0.0977600868845

epoch:    3   train error: 27.90%   test error: 29.87%

Traceback (most recent call last):
  File "C:\Python\Practice\dataset.py", line 79, in <module>
    y1 = y1.append(float(trnresult))
AttributeError: 'NoneType' object has no attribute 'append'

如果需要，可以使用列表上的

+

运算符（注意

[]

周围的

3

）：

---

好的，第二种解释似乎很有效，谢谢。

>>> a = []
>>> b = a.append(1)
>>> b is None
True
>>> a
[1]
>>> a.append(2)
>>> a
[1, 2]

>>> a = a + [3]
>>> a
[1, 2, 3]