PyBrain-数据集类型

📌 相关文章

📜 PyBrain-数据集类型

📅 最后修改于: 2020-12-10 05:14:52 🧑 作者: Mango

数据集是要在网络上测试，验证和训练的数据。数据集的类型取决于我们将要进行的机器学习任务。我们将在本章中讨论各种数据集类型。

我们可以通过添加以下包来使用数据集-

pybrain.dataset

监督数据集

SupervisedDataSet由input和target字段组成。它是数据集的最简单形式，主要用于监督学习任务。

以下是如何在代码中使用它-

from pybrain.datasets import SupervisedDataSet

SupervisedDataSet上可用的方法如下-

addSample(inp，目标)

此方法将添加一个新的输入和目标样本。

splitWithProportion(比例= 0.10)

这会将数据集分为两部分。第一部分将以输入数据集的百分比作为输入，即，如果输入为.10，则其为数据集的10％和数据的90％。您可以根据自己的选择决定比例。划分的数据集可用于测试和训练网络。

copy() -返回数据集的深层副本。

clear() -清除数据集。

saveToFile(文件名，格式=无，** kwargs)

将对象保存到filename指定的文件中。

例

这是一个使用SupervisedDataset的工作示例-

testnetwork.py

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

# Create a network with two inputs, three hidden, and one output
nn = buildNetwork(2, 3, 1, bias=True, hiddenclass=TanhLayer)

# Create a dataset that matches network input and output sizes:
norgate = SupervisedDataSet(2, 1)

# Create a dataset to be used for testing.
nortrain = SupervisedDataSet(2, 1)

# Add input and target values to dataset
# Values for NOR truth table
norgate.addSample((0, 0), (1,))
norgate.addSample((0, 1), (0,))
norgate.addSample((1, 0), (0,))
norgate.addSample((1, 1), (0,))

# Add input and target values to dataset
# Values for NOR truth table
nortrain.addSample((0, 0), (1,))
nortrain.addSample((0, 1), (0,))
nortrain.addSample((1, 0), (0,))
nortrain.addSample((1, 1), (0,))

#Training the network with dataset norgate.
trainer = BackpropTrainer(nn, norgate)

# will run the loop 1000 times to train it.
for epoch in range(1000):
   trainer.train()
trainer.testOnData(dataset=nortrain, verbose = True)

输出

上述程序的输出如下-

Python testnetwork.py

C:\pybrain\pybrain\src>python testnetwork.py
Testing on data:
('out: ', '[0.887 ]')
('correct:', '[1 ]')
error: 0.00637334
('out: ', '[0.149 ]')
('correct:', '[0 ]')
error: 0.01110338
('out: ', '[0.102 ]')
('correct:', '[0 ]')
error: 0.00522736
('out: ', '[-0.163]')
('correct:', '[0 ]')
error: 0.01328650
('All errors:', [0.006373344564625953, 0.01110338071737218, 0.005227359234093431
, 0.01328649974219942])
('Average error:', 0.008997646064572746)
('Max error:', 0.01328649974219942, 'Median error:', 0.01110338071737218)

分类数据集

该数据集主要用于处理分类问题。它接受输入，目标字段以及一个称为“类”的额外字段，该字段是给定目标的自动备份。例如，输出将是1或0，或者输出将根据给定的输入与值分组在一起，即它将属于一种特定的类。

这是如何在代码中使用它-

from pybrain.datasets import ClassificationDataSet
Syntax
// ClassificationDataSet(inp, target=1, nb_classes=0, class_labels=None)

分类数据集上可用的方法如下-

addSample(inp，target) -此方法将添加输入和目标的新样本。

splitByClass() -此方法将提供两个新的数据集，第一个数据集将具有选定的类(0..nClasses-1)，第二个数据集将具有剩余的样本。

_convertToOneOfMany() -此方法会将目标类转换为k的1-表示，将旧目标保留为字段类

这是分类数据集的工作示例。

例

from sklearn import datasets
import matplotlib.pyplot as plt
from pybrain.datasets import ClassificationDataSet
from pybrain.utilities import percentError
from pybrain.tools.shortcuts import buildNetwork
from pybrain.supervised.trainers import BackpropTrainer
from pybrain.structure.modules import SoftmaxLayer
from numpy import ravel
digits = datasets.load_digits()
X, y = digits.data, digits.target
ds = ClassificationDataSet(64, 1, nb_classes=10)

for i in range(len(X)):
ds.addSample(ravel(X[i]), y[i])
test_data_temp, training_data_temp = ds.splitWithProportion(0.25)
test_data = ClassificationDataSet(64, 1, nb_classes=10)

for n in range(0, test_data_temp.getLength()):
test_data.addSample( test_data_temp.getSample(n)[0], test_data_temp.getSample(n)[1] )
training_data = ClassificationDataSet(64, 1, nb_classes=10)

for n in range(0, training_data_temp.getLength()):
training_data.addSample( training_data_temp.getSample(n)[0], training_data_temp.getSample(n)[1] )
test_data._convertToOneOfMany()
training_data._convertToOneOfMany()
net = buildNetwork(training_data.indim, 64, training_data.outdim, outclass=SoftmaxLayer)
trainer = BackpropTrainer(
   net, dataset=training_data, momentum=0.1,learningrate=0.01,verbose=True,weightdecay=0.01
)
trnerr,valerr = trainer.trainUntilConvergence(dataset=training_data,maxEpochs=10)
plt.plot(trnerr,'b',valerr,'r')
plt.show()
trainer.trainEpochs(10)
print('Percent Error on testData:',percentError(trainer.testOnClassData(dataset=test_data), test_data['class']))

上例中使用的数据集是一个数字数据集，其类别为0-9，因此有10个类别。输入为64，目标为1，类为10。

该代码使用数据集训练网络，并输出用于训练误差和验证误差的图形。它还给出了测试数据的百分比误差，如下所示-

输出

分类数据集。

Total error: 0.0432857814358
Total error: 0.0222276374185
Total error: 0.0149012052174
Total error: 0.011876985318
Total error: 0.00939854792853
Total error: 0.00782202445183
Total error: 0.00714707652044
Total error: 0.00606068893793
Total error: 0.00544257958975
Total error: 0.00463929281336
Total error: 0.00441275665294
('train-errors:', '[0.043286 , 0.022228 , 0.014901 , 0.011877 , 0.009399 , 0.007
   822 , 0.007147 , 0.006061 , 0.005443 , 0.004639 , 0.004413 ]')
('valid-errors:', '[0.074296 , 0.027332 , 0.016461 , 0.014298 , 0.012129 , 0.009
   248 , 0.008922 , 0.007917 , 0.006547 , 0.005883 , 0.006572 , 0.005811 ]')
Percent Error on testData: 3.34075723830735