如何测试用 PyBrain 开发的神经网络答案

【问题标题】：How to test neural network developed with PyBrain如何测试用 PyBrain 开发的神经网络
【发布时间】：2014-09-07 19:37:58
【问题描述】：

我是机器学习的新手，正在尝试学习如何在 Python 中开发用于预测目的的神经网络。我遵循了 PyBrain 的基本教程，并成功建立了一个神经网络并对其进行了训练（监督学习）。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, bias=True, hiddenclass=TanhLayer)
trainer = BackpropTrainer(network, ds)
trainer.trainUntilConvergence()

我现在不确定如何使用新数据测试此网络。我已经尝试过 Network 类 (http://pybrain.org/docs/api/structure/networks.html) 的 activate() 方法和 Trainer 类 (http://pybrain.org/docs/api/supervised/trainers.html) 的 testOnClassData() 方法，但是 a) 我不确定它们是如何工作的，并且 b) 基于文档，我不确定它们是否符合我的目的，即训练网络成功预测给定输入参数的结果。

有人知道如何测试像我这样用 PyBrain 开发的神经网络吗？非常感谢您！ :)

【问题讨论】：

标签： python neural-network prediction pybrain

【解决方案1】：

ts = UnsupervisedDataSet(inputLength,)
ts.addSample((0,0))
net.activateOnDataset(ts)[0]

【讨论】：

var 名称也各不相同，没有来自 orig 的数据。使用代码。在这种形式下，这篇文章将被视为与问题没有明显相关性。

【解决方案2】：

为了测试网络，现在提供一些没有输出的输入。

 from pybrain.datasets import UnsupervisedDataSet  
    dst = UnsupervisedDataSet(2, )
    dst.addSample((0, 1))
    result=network.activateOnDataset(dst)[0]
    print(result)

如果您使用多个输入，请使用 for 循环

network.activateOnDataset()

【讨论】：