📅  最后修改于: 2020-12-10 05:12:25        🧑  作者: Mango

Pybrain是一个使用Python实现的开源机器学习库。该库为您提供了一些易于使用的网络，数据集，培训师来训练和测试网络的培训算法。本教程是为希望以简单易懂的方式学习Pybrain及其编程概念基础的软件程序员而设计的。本教程将通过适当的示例充分了解Pybrain的各种功能。先决条件在继续本教程之前，您应该对Python和机器学习有基本的了解。...

📅  最后修改于: 2020-12-10 05:13:03        🧑  作者: Mango

Pybrain是一个使用Python实现的开源机器学习库。该库为您提供了一些易于使用的网络，数据集，培训师来训练和测试网络的培训算法。官方文件对Pybrain的定义如下-PyBrain是用于Python的模块化机器学习库。它的目标是为机器学习任务和各种预定义环境提供灵活，易于使用但仍功能强大的算法，以测试和比较您的算法。PyBrain是基于Python的强化学习，人工智能和神经网络库的缩写。实际上...

📅  最后修改于: 2020-12-10 05:13:25        🧑  作者: Mango

在本章中，我们将进行PyBrain的安装。要开始使用PyBrain，我们需要先安装Python 。所以我们将继续努力-安装Python安装PyBrain安装Python要安装Python，请访问Python官方网站：www.python.com。 Python.org / downloads，如下所示，然后单击可用于Windows，Linux / Unix和macOS的最新版本。根据您可用的64位...

📅  最后修改于: 2020-12-10 05:13:42        🧑  作者: Mango

PyBrain是为使用Python进行机器学习而开发的库。机器学习中有一些重要的概念，其中之一就是网络。网络由模块组成，它们通过连接进行连接。一个简单的神经网络的布局如下-Pybrain支持神经网络，例如前馈网络，递归网络等。前馈网络是一个神经网络，其中节点之间的信息沿向前方向移动，并且永远不会向后传播。前馈网络是人工神经网络中可用的网络中的第一个和最简单的网络。信息从输入节点传递到隐藏节点之后，...

📅  最后修改于: 2020-12-10 05:13:59        🧑  作者: Mango

网络由模块组成，并使用连接进行连接。在本章中，我们将学习-建立网络分析网络建立网络我们将使用Python解释器执行我们的代码。要在pybrain中创建网络，我们必须使用buildNetworkapi，如下所示-我们使用buildNetwork()创建了一个网络，参数为2、3、1，这意味着该网络由2个输入，3个隐藏和1个单个输出组成。以下是网络的详细信息，即模块和连接-模块由图层组成，并且连接由Fu...

📅  最后修改于: 2020-12-10 05:14:22        🧑  作者: Mango

数据集是要提供给测试，验证和训练网络的输入数据。使用的数据集类型取决于我们将要与机器学习一起完成的任务。在本章中，我们将研究以下内容-创建数据集将数据添加到数据集我们将首先学习如何创建数据集并使用给定的输入测试数据集。创建数据集要创建数据集，我们需要使用pybrain数据包：pybrain.datasets。Pybrain支持数据集类，例如SupervisedDataset，SequentialD...

📅  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-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-SupervisedDataSet上可用的方法如下-addSample(inp，目标)此方...

📅  最后修改于: 2020-12-10 05:15:11        🧑  作者: Mango

在本章中，我们将学习如何获取数据以使用Pybrain数据集。最常用的数据集是-使用sklearn从CSV文件使用sklearn使用sklearn以下是包含sklearn数据集详细信息的链接：https://scikit-learn.org/stable/datasets/index.html这是一些如何使用sklearn的数据集的示例-示例1：load_digits()示例2：load_iris(...

📅  最后修改于: 2020-12-10 05:15:35        🧑  作者: Mango

到目前为止，我们已经看到了如何创建网络和数据集。要一起使用数据集和网络，我们必须在培训师的帮助下进行。以下是一个工作示例，以了解如何将数据集添加到创建的网络中，并在以后使用培训师进行了培训和测试。testnetwork.py要测试网络和数据集，我们需要BackpropTrainer。 BackpropTrainer是一种训练器，它通过对错误(通过时间)进行反向传播，根据受监督的数据集(可能是顺序的...

📅  最后修改于: 2020-12-10 05:16:08        🧑  作者: Mango

在本章中，我们将看到一些示例，其中我们将训练数据并测试已训练数据上的错误。我们将利用培训师-BackpropTrainerBackpropTrainer是一种训练器，通过对错误(在整个时间范围内)进行反向传播，根据受监管的或CategoryDataSet数据集(可能是顺序的)来训练模块的参数。TrainUntilConvergence它用于在数据集中训练模块直至收敛。当我们创建一个神经网络时，它将...

📅  最后修改于: 2020-12-10 05:16:33        🧑  作者: Mango

前馈网络是一个神经网络，其中节点之间的信息沿向前方向移动，并且永远不会向后传播。前馈网络是人工神经网络中可用的网络中的第一个和最简单的网络。信息从输入节点传递到隐藏节点之后，再传递到输出节点。在本章中，我们将讨论如何-创建前馈网络将连接和模块添加到FFN创建前馈网络您可以使用自己选择的Python IDE，即PyCharm。在此，我们使用Visual Studio Code编写代码，并将在终端中执...

📅  最后修改于: 2020-12-10 05:16:53        🧑  作者: Mango

递归网络与前馈网络相同，只是区别在于您需要记住每一步的数据。每一步的历史都必须保存。我们将学习如何-创建循环网络添加模块和连接创建循环网络要创建循环网络，我们将使用RecurrentNetwork类，如下所示：pyPython rn.py我们可以看到循环网络的一个名为“循环连接”的新连接。目前没有可用数据。现在让我们创建图层并添加到模块并创建连接。添加模块和连接我们将创建图层，即输入，隐藏和输出。...

📅  最后修改于: 2020-12-10 05:17:08        🧑  作者: Mango

我们已经看到了如何使用pybrain中的培训师来培训网络。在本章中，将使用Pybrain提供的优化算法来训练网络。在示例中，我们将使用需要导入的GA优化算法，如下所示-例以下是使用GA优化算法的训练网络的工作示例-输出网络上的输入激活方法几乎与输出匹配，如下所示：...

📅  最后修改于: 2020-12-10 05:17:37        🧑  作者: Mango

层基本上是在网络的隐藏层上使用的一组功能。我们将在本章中详细介绍有关图层的以下内容-理解层使用Pybrain创建图层了解图层我们之前已经看到了使用以下图层的示例-TanhLayerSoftmaxLayer使用TanhLayer的示例以下是我们使用TanhLayer建立网络的一个示例-testnetwork.py输出上面代码的输出如下-Python testnetwork.py使用SoftMaxLa...

📅  最后修改于: 2020-12-10 05:17:57        🧑  作者: Mango

连接的工作方式类似于图层；唯一的区别是它将数据从网络中的一个节点转移到另一个节点。在本章中，我们将学习-了解连接创建连接了解连接这是创建网络时使用的连接的有效示例。例ffy.py输出创建连接在Pybrain中，我们可以使用连接模块创建连接，如下所示-例connect.py要创建连接，有2种方法-_forwardImplementation()和_backwardImplementation()。调...