PyBrain - 如何根据测试数据验证我训练有素的网络？

Question

所以我在 PyBrain 中有一个 ClassificationDataSet，我已经使用适当的数据进行了训练。即输入如下：

trainSet.addSample([0,0,0,0],[1])
trainSet.addSample([0,0,0,1],[0])
trainSet.addSample([0,0,1,0],[0])
trainSet.addSample([0,0,1,1],[1])
trainSet.addSample([0,1,0,0],[0])
trainSet.addSample([0,1,0,1],[1])
trainSet.addSample([0,1,1,0],[1])
trainSet.addSample([0,1,1,1],[0])
trainSet.addSample([1,0,0,0],[0])
trainSet.addSample([1,0,0,1],[1])

图案很简单。如果有偶数个 1，则输出应为 1，否则为 0。我想运行以下输入：

[1,0,0,1],[1]
[1,1,0,1],[0]
[1,0,1,1],[0]
[1,0,1,0],[1]

并查看神经网络是否会识别模式。如前所述，我已经训练了网络。如何根据上述输入验证它？

感谢您的宝贵时间！

Answer 1

您首先必须create a network 和train it on your dataset。

然后您必须使用activate 从您的输入中获取结果并测试它是否与所需的输出匹配。

一个简单的方法是：

testOutput = { [1,0,0,1] : [1], [1,1,0,1] : [0], [1,0,1,1]:[0], [1,0,1,0]:[1] }

for input, expectedOutput in testInput.items():
    output = net.activate(input)
    if output != expectedOutput:
        print "{} didn't match the desired output." 
        print "Expected {}, got {}".format(input, expectedOutput, output)