PyBrain 的 ClassificationDataSet 正在创建额外的样本

Question

我在使用 PyBrain 库的 ClassificationDataSet 类时遇到了非常奇怪的行为。似乎给数据增加了额外的样本，我不明白为什么！

代码如下：

data = [[2, 4, 1],
        [3, 3, 0],
        [1, 2, 1]]
targets = [3, 1, 2]

training_ds = ClassificationDataSet(len(data[0]), nb_classes=3, class_labels=['1', '2', '3'])
for i in range(len(data)):
    training_ds.addSample(data[i], targets[i])

在第一次调用 addSample 时，它会向包含全 0 的输入数据添加一个额外的样本，并添加目标值 0。在第二次迭代中，数据的大小正确，在第三次迭代中，它以看似随机的顺序复制数据，使其成为 (6,3) 数据集。有谁知道它为什么这样做？

我正在使用最新版本的 PyBrain。

Answer 1

我有类似的问题。
我的问题是使用 ds.data["input"] 而不是 ds.getField("input")。
下一个代码显示了我的问题

ds.AddSample([2, 4, 1], 1)
print(ds.data["input"])
>>> [[2, 4, 1], [0, 0, 0]]

这是正确的代码

ds.AddSample([2, 4, 1], 1)
print(ds.getField("input"))
>>> [[2, 4, 1]]

也许这会有所帮助。