pybrain效果不佳

我想知道如果我做错了什么，或者结果真的很差。让我们假设最简单的例子NN中所示的文件：pybrain效果不佳

>>>net = buildNetwork(2, 3, 1, bias=True) 
>>> ds = SupervisedDataSet(2, 1) 
>>> ds.addSample((0, 0), (0,)) 
>>> ds.addSample((0, 1), (1,)) 
>>> ds.addSample((1, 0), (1,)) 
>>> ds.addSample((1, 1), (0,)) 
>>> trainer = BackpropTrainer(net, ds) 
>>> trainer.trainUntilConvergence() 
>>> print net.activate((0,0)) 
>>> print net.activate((0, 1)) 
>>> print net.activate((1, 0)) 
>>> print net.activate((1, 1))

如

>>> print net.activate((1,0)) 
[ 0.37855891] 
>>> print net.activate((1,1)) 
[ 0.6592548]

预期为0。我知道我可以明显地轮，但我还是会期待网络成为该地段更精确一个简单的例子。它可以被称为“工作”在这里，但我怀疑我失去了一些重要的原因，这是非常不可用...

事情是，如果你设置verbose=True给你的教练，你可以看到很小的错误（如总误差： 0.0532936260399）

我假设网络的错误是5％，那么在激活函数后它怎么会这么差呢？

我明显使用pybrain很多更复杂的事情，但我有同样的问题。尽管网络上说错误大概是0.09左右，但我的测试样本大概有50％是错误的。

任何帮助吗？

来源

2012-10-30 kosta5

[神经网络训练与PyBrain的可能重复不收敛]（http://stackoverflow.com/questions/12050460/neural-network-training-with-pybrain-wont-converge） – PhoneixS

可以找到类似的问题here。从那里，似乎这个训练函数在这里不适用，因为并不是所有的数据都用于训练，但有些数据用于交叉验证。尝试多次将数据点添加到训练集。

此外，这个例子似乎需要有一个动力术语来工作。有一个用pybrain训练xor的例子，使用不同的训练方法here，当我将层数设置为3时，它适用于我。这使用0.99的动量项。

我会张贴此作为一个评论，因为它不能完全回答这个问题，但我没有足够的积分评论...

来源

2012-10-30 09:48:40 user1248490

你是对的，我需要减少用于验证的数据部分 – kosta5

pybrain效果不佳

回答

相关问题