Question

我是神经网络的新手，所以请耐心等待我。我正在尝试在Python中从R复制概率神经网络。出于复制的目的，我使用了sklearn.datasets中著名的iris dataset。

正如您在下面的 Python代码中所看到的，我正在使用neupy提供的PNN。最后打印测试集的估计概率。

#import pandas, sklearn, numpy, neupy
data = datasets.load_iris()
df = pd.DataFrame(data['data']).assign(y=data['target'])
df_train = df.iloc[0:145,:] 
df_test = df.iloc[145:,:]  #test set consists of the last 5 observations

pnn = algorithms.PNN(std=0.5, verbose=True)
pnn.train(df_train.iloc[:,0:3], df_train.iloc[:,4])
pred_prob = pnn.predict_proba(df_test.iloc[:,0:3])

### Predicted probabilities ###
  P(Y=0)    P(Y=1)  P(Y=2)
  0.0000    0.2690  0.7310
  0.0000    0.4082  0.5918
  0.0000    0.2505  0.7495
  0.0000    0.1083  0.8917
  0.0000    0.3373  0.6627

但是，如果我对相同的数据集在R中执行相同的方法（或者至少我认为是相同的），则不会获得相同的结果。在R中，我使用的是pnn-package。这是我在 R 中所做的事情：

#library('pnn')
Data <- read.table("iris.csv", sep=",", header=TRUE)
data.train <- data[1:145,]
data.test <- data[146:150,] # test set consists of the last 5 observations

nn <- smooth(learn(data.train, category.column = 5), sigma = .5)
x.train <- as.matrix(data.test[1:4])
pred <- apply(x.train, 1, function(x) guess(nn, c(x)))

### Predicted Probabilites ###
 P(Y=0) P(Y=1)  P(Y=2)
0.0000  0.1353  0.8647
0.0000  0.3683  0.6317
0.0000  0.2365  0.7635
0.0000  0.0972  0.9028
0.0000  0.3849  0.6151

是否有一些我不考虑的参数？还是网络只是以不同的方式工作？

在Python和R中为概率神经网络获得相同的结果

0 个答案: