Python 如何测试用PyBrain开发的神经网络
我是机器学习新手,正在尝试学习如何用Python开发用于预测目的的神经网络。我遵循PyBrain的基础教程,成功地建立了一个神经网络,并对其进行了训练。代码如下:Python 如何测试用PyBrain开发的神经网络,python,neural-network,prediction,pybrain,Python,Neural Network,Prediction,Pybrain,我是机器学习新手,正在尝试学习如何用Python开发用于预测目的的神经网络。我遵循PyBrain的基础教程,成功地建立了一个神经网络,并对其进行了训练。代码如下: ds = SupervisedDataSet(2, 1) ds.addSample((0, 0), (0,)) ds.addSample((0, 1), (1,)) ds.addSample((1, 0), (1,)) ds.addSample((1, 1), (0,)) network = buildNetwork(2, 3, 1
ds = SupervisedDataSet(2, 1)
ds.addSample((0, 0), (0,))
ds.addSample((0, 1), (1,))
ds.addSample((1, 0), (1,))
ds.addSample((1, 1), (0,))
network = buildNetwork(2, 3, 1, bias=True, hiddenclass=TanhLayer)
trainer = BackpropTrainer(network, ds)
trainer.trainUntilConvergence()
我现在不知道如何用新数据测试这个网络。我尝试过网络类的activate方法和Trainer类的testOnClassData方法,但a我不确定它们是如何工作的,b根据文档,我不确定它们是否符合我的目的,即训练网络在给定输入参数的情况下成功预测结果
有人知道如何测试像我这样在PyBrain中开发的神经网络吗?非常感谢您 要测试网络,现在输入一些输入而不输出
ts = UnsupervisedDataSet(inputLength,)
ts.addSample((0,0))
net.activateOnDataset(ts)[0]
from pybrain.datasets import UnsupervisedDataSet
dst = UnsupervisedDataSet(2, )
dst.addSample((0, 1))
result=network.activateOnDataset(dst)[0]
print(result)
如果使用多个输入,则使用for循环
network.activateOnDataset()
变量名称也都不一样,没有来自orig的数据。代码被使用。在这种形式下,这篇文章将被认为与静默没有明显的关联。