5
pyBrain에서 가장 단순한 회귀를 시도하지만 어떻게 든 실패합니다.간단한 회귀 예 pyBrain
신경망 함수 Y를 배워야한다 = 3 * X
from pybrain.supervised.trainers import BackpropTrainer
from pybrain.datasets import SupervisedDataSet
from pybrain.structure import FullConnection, FeedForwardNetwork, TanhLayer, LinearLayer, BiasUnit
import matplotlib.pyplot as plt
from numpy import *
n = FeedForwardNetwork()
n.addInputModule(LinearLayer(1, name = 'in'))
n.addInputModule(BiasUnit(name = 'bias'))
n.addModule(TanhLayer(1,name = 'tan'))
n.addOutputModule(LinearLayer(1, name = 'out'))
n.addConnection(FullConnection(n['bias'], n['tan']))
n.addConnection(FullConnection(n['in'], n['tan']))
n.addConnection(FullConnection(n['tan'], n['out']))
n.sortModules()
# initialize the backprop trainer and train
t = BackpropTrainer(n, learningrate = 0.1, momentum = 0.0, verbose = True)
#DATASET
DS = SupervisedDataSet(1, 1)
X = random.rand(100,1)*100
Y = X*3+random.rand(100,1)*5
for r in xrange(X.shape[0]):
DS.appendLinked((X[r]),(Y[r]))
t.trainOnDataset(DS, 200)
plt.plot(X,Y,'.b')
X=[[i] for i in arange(0,100,0.1)]
Y=map(n.activate,X)
plt.plot(X,Y,'-g')
그것은 아무것도 알 수 없습니다. 숨겨진 레이어를 제거하려고 시도 했으므로 (이 예제에서는 필요 없기 때문에) 네트워크가 NaN을 예측하기 시작했습니다. 무슨 일 이니?
편집 : 이것은 내 문제 해결 코드입니다 :
#DATASET
DS = SupervisedDataSet(1, 1)
X = random.rand(100,1)*100
Y = X*3+random.rand(100,1)*5
maxy = float(max(Y))
maxx = 100.0
for r in xrange(X.shape[0]):
DS.appendLinked((X[r]/maxx),(Y[r]/maxy))
t.trainOnDataset(DS, 200)
plt.plot(X,Y,'.b')
X=[[i] for i in arange(0,100,0.1)]
Y=map(lambda x: n.activate(array(x)/maxx)*maxy,X)
plt.plot(X,Y,'-g')
입력을 최대 (100)로 나누어야했습니다. 내가 훈련을 시작할 때 뉴런은 1보다 큰 값을 출력하고 0보다 낮은 값을 출력합니다.이게 어떻게 작동하는지 이해하지 못합니다 .. –
파이브레인의 내부 구조를 꼼꼼히 살펴보고 작동 여부를 확인하지는 못했지만 어떤 경우에도 좋은 결과를 얻었습니다 입력을 확장하는 일반적인 방법은 여러 입력을 가질 때 (여기에는 부여하지 않지만 다른 경우에는 그렇게 할 것입니다)에 대해 가중치가 동일하게 시작됩니다. – rossdavidh