Question

我根据可用数据做出预测。但他们错了。而且我不知道为什么。我有代码创建和训练神经网络。

ds = SupervisedDataSet(3, 1)

ds.addSample( (76.7, 13.8, 103.0), (770,))
ds.addSample( (70.9, 13.0, 92.0), (650,))
ds.addSample( (65.6, 15.9, 104.3), (713,))
ds.addSample( (59.3, 14.8, 88.0), (593,))
ds.addSample( (50.0, 13.0, 65.2), (443,))
ds.addSample( (44.9, 17.6, 79.0), (547,))
ds.addSample( (44.3, 18.4, 78.6), (553,))
ds.addSample( (44.4, 18.4, 81.8), (576,))

net = buildNetwork(ds.indim, 5, ds.outdim, bias=True)

trainer = BackpropTrainer(net, dataset=ds, verbose=True,learningrate=0.05)
trainer.setData(ds)
trainer.trainEpochs(100)

但是当我写作

net.activate((76.7, 13.8, 103.0))

我得错了结果数组（[570.34849909]）。当我更改输入值时，结果不会改变。例如，net.activate（（76.7,13.8,90.0）） - 数组（[570.34849909]）。

我不明白如何解决它。我尝试了不同的学习方法，隐藏层中不同数量的神经元，以及不同数量的时代。

Answer 1

我找到了问题的解决方案。在训练之前必须对数据进行标准化。这大大提高了培训的有效性。最后代码：

leaf3

PyBrain中的预测数据

1 个答案: