J'essaye de comprendre comment configurer un réseau neuronal en utilisant Neupy . Le problème est que je n'arrive pas à trouver beaucoup d'options pour un GRNN, seulement la valeur sigma comme décrit ici :
Il y a un paramètre, y_i, que je veux pouvoir ajuster, mais il ne semble pas y avoir de moyen de le faire sur le paquet. J'analyse le code mais je ne suis pas un développeur, donc j'ai du mal à suivre toutes les étapes, peut-être qu'un regard plus expérimenté peut trouver un moyen de modifier ce paramètre.
Merci
D'après le lien que vous avez fourni, il semble que y_i soit la variable cible. Dans votre cas, c'est votre variable d'entraînement cible. Dans le code neupy, il est utilisé lors de la prédiction. https://github.com/itdxer/neupy/blob/master/neupy/algorithms/rbfn/grnn.py#L140
GRNN utilise l'apprentissage paresseux, ce qui signifie qu'il ne s'entraîne pas, il réutilise simplement toutes vos données d'entraînement pour chaque prédiction. La self.target_trainvariable n'est qu'une copie que vous utilisez pendant la phase de formation. Vous pouvez mettre à jour cette valeur avant d'effectuer une prédiction
from neupy import algorithms
grnn = algorithms.GRNN(std=0.1)
grnn.train(x_train, y_train)
grnn.train_target = modify_grnn_algorithm(grnn.train_target)
predicted = grnn.predict(x_test)
Ou vous pouvez utiliser le code GRNN pour la prédiction au lieu de la predictfonction par défaut
import numpy as np
from neupy import algorithms
from neupy.algorithms.rbfn.utils import pdf_between_data
grnn = algorithms.GRNN(std=0.1)
grnn.train(x_train, y_train)
# In this part of the code you can do any moifications you want
ratios = pdf_between_data(grnn.input_train, x_test, grnn.std)
predicted = (np.dot(grnn.target_train.T, ratios) / ratios.sum(axis=0)).T
Este artigo é coletado da Internet.
Se houver alguma infração, entre em [email protected] Delete.
deixe-me dizer algumas palavras