python – PyBrain预测错误

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – PyBrain预测错误，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1411字，纯文字阅读大概需要3分钟。

内容图文

我试图预测一组特定商品的销售价格.我在pybrain中使用RecurrentNetwork和BackpropTrainer.这是我的代码,

def nnet(train, target, valid):

    ds = SupervisedDataSet(52-len(NU)+5, 1)

    for i in range(len(train)):
        ds.appendLinked(train[i], target[i])

    n = RecurrentNetwork()

    n.addInputModule(LinearLayer(52-len(NU)+5, name='in'))
    n.addModule(SigmoidLayer(3, name='hidden'))
    n.addOutputModule(LinearLayer(1, name='out'))

    n.addConnection(FullConnection(n['in'], n['hidden'], name='c1'))
    n.addConnection(FullConnection(n['hidden'], n['out'], name='c2'))
    n.addRecurrentConnection(FullConnection(n['hidden'], n['hidden'], name='c3'))

    n.sortModules()

    t = BackpropTrainer(n,learningrate=0.001,verbose=True)
    t.trainOnDataset(ds, 20)

    prediction = np.zeros((11573, 1), dtype = int)
    for i in range(11573):
        prediction[i] = n.activate(valid[i])

    return prediction

这里是numpy数组的训练和目标,用于训练模型,52-len(NU)5是属性(特征)的数量.对于有效的每个项目,我们必须预测销售价格.问题是,对于每个有效的项目,我得到相同的销售价格,除了第一个.我做错了什么？提前致谢.

数组尺寸如下,

火车 – 401125,52-len(NU)5

目标 – 401125,1

有效 – 11573,52-len(NU)5

解决方法:

我不确定PyBrain的具体实现细节,但我看到了两种可能性.

1)反向传播不适用于线性激活功能.根据PyBrain的实现细节,将“LinearLayer”的两个实例更改为“SigmoidLayer”可以解决此问题.

2)对于递归神经网络,您必须使用反向传播(一种专门适用于RNN的算法)而不是正常的反向传播.根据PyBrain的实现细节,此变体可能有一个单独的类.值得一试.

内容总结

以上是互联网集市为您收集整理的python – PyBrain预测错误全部内容，希望文章能够帮你解决python – PyBrain预测错误所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端