python – pybrain activate()输出表示

我使用pybrain构建这个例子：

from pybrain.tools.shortcuts import buildNetwork
from pybrain.datasets import SupervisedDataSet
from pybrain.supervised.trainers import BackpropTrainer

net = buildNetwork(3, 3, 1)

dataSet = SupervisedDataSet(3, 1)
dataSet.addSample((0, 0, 0), (0))
dataSet.addSample((1, 1, 1), (0))
dataSet.addSample((1, 0, 0), (1))
dataSet.addSample((0, 1, 0), (1))
dataSet.addSample((0, 0, 1), (1))

trainer = BackpropTrainer(net, dataSet)

trainer.trainUntilConvergence()

result = net.activate([0, 0, 0])
print result

输出为：[0.10563189]

我不明白activate()的输出是什么.网络是训练有素的,我用一个列车样本测试输出,所以我期望值与列车样本完全一样.输入[0,0,0]应该输出0.我在这里缺少什么？我如何获得有效的结果？

更令人困惑的是,每次运行此代码时,我都会得到不同的结果.我显然做错了什么.它是什么？

解决方法:

训练网络直到收敛并不意味着训练集完全被记住.原因有很多：隐藏层的大小,激活功能,学习速率等.所有这些参数都需要调整.

标签：python,pybrain
来源： https://codeday.me/bug/20190613/1230341.html