问题标签 [pybrain]

我想创建一个遵循以下布局的人工神经网络（在 PyBrain 中）：

但是，我找不到实现这一目标的正确方法。我在文档中看到的唯一选项是创建完全连接层的方法，这不是我想要的：我希望我的一些输入节点连接到第二个隐藏层而不是第一个隐藏层。

我正在尝试对我的数据使用交叉验证器，但我的成功率为 0.0，这没有意义。

我的数据由具有 5 个连续属性和两个可能的类的样本组成：“y”和“n”。

我的代码：

当我像这样进行常规训练时

我得到了一个合理的错误率，所以我猜这意味着数据集和网络没问题，问题出在交叉验证器上。

有任何想法吗？

更新：

我查看了交叉验证代码，注意到我的网络输出连续值，而不是所需的 0/1。我猜这些是每个班级的概率。当模型在交叉验证方法中使用时，它并没有考虑到这一点，这意味着所有答案都被视为 flase，我得到 0 个正确答案。如何添加一个查看连续值并根据较大者返回 0 或 1 的层？文档不清楚。

有没有办法在 PyBrain 中保存和恢复经过训练的神经网络，这样我每次运行脚本时都不必重新训练它？

我一直致力于抓取网页和提取网站的元素。例如：给定一个网站 - 爬虫应返回以下部分：页眉、菜单、页脚、内容等。

我在想，如果我可以使用机器学习来训练代码来学习如何对网站进行分类，那就太好了。

我尝试查看 Python 机器学习库（例如：PyBrain），但示例非常复杂。任何人都可以向我推荐一个库和一些关于如何开始使用 Python 机器学习和一些简单示例的教程吗？

谢谢！

我正在尝试使用 PyBrain 进行一些简单的 NN 训练。我不知道该怎么做是从文件中加载训练数据。他们的网站上的任何地方都没有解释。我不关心格式，因为我现在可以构建它，但我需要在文件中完成它而不是手动逐行添加，因为我将有数百行。

最后我设法从一个文件中训练了一个网络:) 现在我想打印节点和权重，尤其是权重，因为我想用 pybrain 训练网络，然后在其他地方实现一个 NN 将使用它。

我需要一种方法来打印层、节点和节点之间的权重，以便我可以轻松地复制它。到目前为止，我看到我可以使用例如 n['in'] 访问图层，然后例如我可以这样做：

dir(n['in']) [' class ',' delattr ',' dict ',' doc ',' format ',' getattribute ',' hash ',' init ',' module ',' new ', ' reduce '、' reduce_ex '、' repr '、' setattr '、' sizeof '、' str '、' subclasshook '、' weakref'，'_backwardImplementation'，'_forwardImplementation'，'_generateName'，'_getName'，'_growBuffers'，'_name'，'_nameIds'，'_resetBuffers'，'_setName'，'activate'，'activateOnDataset'，'argdict'， 'backActivate'、'backward'、'bufferlist'、'dim'、'forward'、'getName'、'indim'、'inputbuffer'、'inputerror'、'name'、'offset'、'outdim'、'outputbuffer '、'outputerror'、'paramdim'、'reset'、'sequential'、'setArgs'、'setName'、'shift'、'whichNeuron']

但我看不到如何在这里访问权重。还有 params 属性，例如我的网络是 2 4 1 有偏差，它说：

n.params array([-0.8167133 , 1.00077451, -0.7591257 , -1.1150532 , -1.58789386, 0.11625991, 0.98547457, -0.99397871, -1.8324281 , -2.42200963, 1.90617387, 1.93741167, -2.88433965, 0.27449852, -1.52606976, 2.39446258, 3.01359547])

很难说什么是什么，至少用权重连接了哪些节点。这就是我所需要的。

我按照 PyBrain 教程使用前馈神经网络分类，并想构建自己的分类器。

我不明白如何_convertToOneOfMany修改输出。

为什么初始操作会alldata.addSample(input, [klass])为每个类创建多个输出神经元？

我需要训练网络，然后将测试数据一一提供给它。是否有一些示例或文档包括它？

为了实现这一点，我对训练有素的网络进行了序列化，并将它用于每个新的传入条目。问题是，我崩溃了_convertToOneOfMany，即使我理解它的目的（从这里）我也不明白它是如何工作的。

它的行为对我来说不是确定性的。它必须以某种方式解释类和标签，并且必须有一些我缺少的要求。它适用于整个数据集，但是如果我只采用随机线，它就会发疯。

编辑：更准确地说，让我告诉你我在做什么：我想为互联网上最著名的 NN 示例训练网络 ;) - Iris 数据集。

是这样的：

最后一个零它的类。整个数据集包含 60 行。0 为 20，1 为 20，2 为 20。

我用数据读取文件并构建数据集：

我的问题与_convertToOneOfMany(). 当数据集或数据文件仅包含几个条目（不是 60 个，分为三类）时，它会从问题的开头崩溃并出现异常。

崩溃数据集的示例：

工作示例：

如何convertToOneOfMany()连接到数据集中的条目数或一个类子集的大小？一行条目也崩溃了..

I have a pybrain NN up and running, and it seems to be working rather well. Ideally, I would like to train the network and obtain a prediction after each data point (the previous weeks figures, in this case) has been added to the dataset.

At the moment I'm doing this by rebuilding the network each time, but it takes an increasingly long time to train the network as each example is added (+2 minutes for each example, in a dataset of 1000s of examples).

Is there a way to speed up the process by adding the new example to an already trained NN and updating it, or am I overcomplicating the matter, and would be better served by training on a single set of examples (say last years data) and then testing on all of the new examples (this year)?

我最近开始使用pyBrain进行一些机器学习研究。我对 GA 和 ANN 很感兴趣——尽管 pyBrain 主页将 GA 列为库的功能之一，但 pyBrain 文档中似乎没有任何关于 GA 编程的内容（例如染色体选择、适应度函数等），并且在 PyBrain 网站（AFAIK）上没有涉及 GA 的示例。

此外，同样令人惊讶的是，我使用 PyBrain 查找 GA 示例的所有搜索也一无所获。有没有人有显示使用 pyBrain 的 GA 示例的代码链接？