如何使用 PyBrain 创建数据集？

在本文中，我们将了解如何使用 PyBrain 创建数据集。

数据集

数据集是专门用于在网络上进行测试、验证和训练的数据。 PyBrain 为我们提供了更灵活的数据结构，而不是数组的麻烦，使用它可以很容易地处理数据。数据集可以显示为命名二维数组的集合。在机器学习中，为了处理每项任务，它都有特殊的数据集。

PyBrain

它是基于 Python 的强化学习、人工智能的首字母缩写词。在Python中，它是一个模块化的机器学习库。它为执行机器学习任务提供了灵活的算法。它还为测试算法提供了良好的环境。本文重点介绍使用 PyBrain 创建数据集。

使用 PyBrain 创建数据集

要使用 PyBrain 创建数据集，需要使用 pybrain.datasets（PyBrain 的数据集包）。此数据集包提供对数据集类的支持。例如，它提供了对 SequentialDataset、SupervisedDataset、ClassificationDataSet 的支持。要使用的数据集依赖于程序员想要实现的机器学习任务。在本例中，我们将使用 SupervisedDataset。 SupervisedDataset 数据集具有以下语法，

Syntax: SupervisedDataSet(input, target)

Where,

• input: A data structure (for example, 2-d array)
• target: The output

例子：

在此示例中，输入的大小等于 2，目标的大小等于 1。

Python3

# Python program to create a dataset
# using PyBrain
  
# Importing SupervisedDataSet from 
# pybrain.datasets
from pybrain.datasets import SupervisedDataSet
  
# Creating SupervisedDataSet
supervised_dataset = SupervisedDataSet(2, 1)
  
# Print
print(dataSet)

输出：

将数据添加到数据集

在这一部分中，我们将讨论如何将样本数据添加到我们的数据集中。

例子：

在这个例子中，我们正在创建一个 XOR 真值表。传递的输入就像一个二维数组，我们得到的输出是 1。输入用于大小的目的，目标充当输出（等于 1）。所以传递给我们数据集的输入是 2,1。

A	B	A XOR B
0	0	0
1	0	1
0	1	1
1	1	0

Python3

# Python program to create a dataset 
# using PyBrain
  
# Importing supervised dataset from 
# pybrain.datasets
from pybrain.datasets import SupervisedDataSet
  
# Creating dataSet
supervised_dataset = SupervisedDataSet(2, 1)
  
# xor table
xor_table = [
    [(0, 0), (0,)],
    [(0, 1), (1,)],
    [(1, 0), (1,)],
    [(1, 1), (0,)],
]
  
# Adding sample from xor_table into 
# supervised_dataset
for input, target in xor_table:
    supervised_dataset.addSample(input, target)
  
  
# Printing the input
print("input: \n", supervised_dataset['input'])
  
print("")
  
# Printing the target
print("target: \n", supervised_dataset['target'])

输出：