pybrain - ClassificationDataSet - 使用 SoftmaxLayer 时如何理解输出答案

【问题标题】：pybrain - ClassificationDataSet - how to understand the output when using SoftmaxLayerpybrain - ClassificationDataSet - 使用 SoftmaxLayer 时如何理解输出
【发布时间】：2015-03-25 03:32:12
【问题描述】：

我正在尝试使用 Pybrain 神经网络以及专门的 ClassificationDataSet 构建第一个分类器，但我不确定我是否完全理解它是否有效。

所以我有一个 pandas 数据框，其中包含 6 个特征列和 1 个类别标签列（Survived，只有 0 或 1）。

我用它构建了一个数据集：

ds = ClassificationDataSet(6, 1, nb_classes=2)
for i in df[['Gender', 'Pclass', 'AgeFill', 'FamilySize', 'FarePerPerson', 'Deck','Survived']].values:
    ds.addSample(tuple(i[:-1]), i[-1])
ds._convertToOneOfMany()
return ds

好的，我检查一下数据集的样子：

for i, m in ds:
    i, m


(array([ 1.,  3.,  2.,  2.,  1.,  8.]), array([1, 0]))
(array([ 0.,  1.,  1.,  2.,  0.,  2.]), array([0, 1]))

我已经有问题了。 [1,0] 或 [0,1] 是什么意思？它只是原始“幸存”列的“0”还是“1”？如何恢复原值？

稍后，当我完成网络训练时：

net = buildNetwork(6, 6, 2, hiddenclass=TanhLayer, bias=True,  outclass=SoftmaxLayer)
trainer = BackpropTrainer(net, ds)
trainer.trainEpochs(10)

我将尝试在我的另一个数据集（我想对其进行实际分类）上激活它，我将为 2 个输出神经元中的每一个获得一对激活结果，但是如何理解哪个输出神经元对应于哪个原始神经元班级？可能这是显而易见的事情，但不幸的是，我无法从文档中理解它。

【问题讨论】：

标签： python pandas machine-learning classification pybrain

【解决方案1】：

好的，看起来 pybrain 使用位置来确定 (0,1) 或 (1,0) 表示哪个类。

要返回原始 0 或 1 标记，您需要使用 argmax() 函数。因此，例如，如果我已经有一个训练有素的网络，并且我想在用于训练的相同数据上对其进行验证，我可以这样做：

for inProp, num in ds:
    out = net.activate(inProp).argmax()
    if out == num.argmax():
        true+=1
    total+=1
res = true/total

inProp 看起来像我的激活输入值的元组，num - 预期的两个神经元输出（(0,1) 或 (1,0)）的元组，num.argmax() 会将其转换为只有 0 或 1 - 实际输出。

我可能错了，因为这是一个纯粹的启发式方法，但它在我的示例中有效。

【讨论】：