您如何从经过训练的网络对给定输入进行预测（预测）？答案

【问题标题】：How do you make a prediction (forecast) from a trained network for a given input?您如何从经过训练的网络对给定输入进行预测（预测）？
【发布时间】：2012-01-16 23:46:03
【问题描述】：

下面是我的神经网络代码，有 3 个输入、1 个隐藏层和 1 个输出：

#Data 
ds = SupervisedDataSet(3,1)

myfile = open('my_file.csv','r')

for data in tf.myfile ():
   indata =  tuple(data[:3])
   outdata = tuple(data[3])
   ds.addSample(indata,outdata)

net = FeedForwardNetwork() 
inp = LinearLayer(3) 
h1 = SigmoidLayer(1) 
outp = LinearLayer(1)

# add modules 
net.addOutputModule(outp) 
net.addInputModule(inp) 
net.addModule(h1)

# create connections 
net.addConnection(FullConnection(inp, h1))  
net.addConnection(FullConnection(h1, outp))

# finish up 
net.sortModules()

# initialize the backprop trainer and train 
trainer = BackpropTrainer(net, ds)
trainer.trainOnDataset(ds,1000) trainer.testOnData(verbose=True)

print 'Final weights:',net.params

我的问题是，如果你想使用这个经过训练的神经网络根据特定的输入进行预测，你是怎么做的？

【问题讨论】：

标签： python neural-network pybrain

【解决方案1】：

根据the documentation，您可以在网络上使用activate 方法测试特定输入。假设你的输入看起来像 (1 2 3) 你的代码看起来像

net.activate((1,2,3))

【讨论】：

老实说，我不得不查看他们的文档一段时间，然后才明白这一点。这真是令人沮丧。
谢谢。但是，如果我对相同的特定 3 个输入执行两次特定代码，我会得到相同的结果吗？为什么不呢？
我不确定我是否理解。如果您多次运行相同的输入，您应该大多数 时间得到相同的结果，但不是所有时间。您是希望 100% 的时间获得相同的结果，还是希望结果更频繁地变化？无论哪种方式，这都取决于您如何训练网络。

【解决方案2】：

如果我理解正确，您的数据有时间顺序。我所做的预测是移动数据表，以便将下一个输出作为训练的目标。例如，如果您有这种数据：

w1 x1 y1 z1

w2 x2 y2 z2

w3 x3 y3 z3

w4 x4 y4 z4

。 . .

如果你想预测 z2，你可以构造一个如下表：

w1 x1 y1 z1 | z2

w2 x2 y2 z2 | z3

w3 x3 y3 z3 | z4

。 . .

然后您将最后一列作为训练的目标。当然，您会在表格末尾丢失一行。

您还可以通过将步骤之间的差异作为附加输入来改进输出（给您动态效果：

w2 x2 y2 z2 (w2-w1) (z2-z1) | z3

w3 x3 y3 z3 (w3-w2) (z3-z2) | z4

。 . .

【讨论】：