neural-network - PyBrain 如何解释 net.activate 的结果？

Question

我已经在 PyBrain 上训练了一个用于分类的网络，并准备好使用特定的输入来启动。但是，当我这样做时

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)

正如预期的那样，我得到了“输出”的数值，但是有没有办法直接确定预测的类标签？即使没有，我如何将“输出”的值映射到我的类标签？谢谢您的帮助。

Answer 1

当您说获得“输出”的数值时，您的意思是标量（即，不是数组）吗？根据我对它的理解，你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它，但你可以这样做：

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。