我希望对PyBrain神经网络的运作有一些了解。我有一个与家庭收入相对应的不同家庭特征的数据集。任务是创建基于神经网络的回归，以便能够预测给定特征的收入。
我尝试过简单的构造函数
pybrain.tools.shortcuts.buildNetwork(feature_count, 12, 1, recurrent=False)
它有点工作。但是如果我改变隐藏层使用GaussianLayer或LinearLayer，我会在训练阶段将NaNs作为输出。
使用这些图层时是否还有其他需要注意的事项（我猜测可能是特征选择，当它们相关时）？
由于
答案 0 :(得分：1)
我使用pybrain解决了一个神经网络回归问题，我必须使用天气特征来预测电站的负载。除了在应用程序中，这似乎与您的问题相同。我按照这里的指南：http://fastml.com/pybrain-a-simple-neural-networks-library-in-python/给了我90％的最终解决方案。我有8个输入和1个输出。
一个＆＃34;陷阱＆＃34;我发现我必须将输入值标准化为0 - ＆gt; 1.否则，每个EPOCH的MSE值不会减少。此外，如果我输入的任何一个是NaN，我会得到连续的Nan值。
我希望这会有所帮助。