pybrain的神经网络回归

Question

我需要使用前馈网络解决回归问题，并且我一直在尝试使用PyBrain来做到这一点。由于pybrain的参考资料中没有回归的示例，因此我尝试将其分类示例改编为回归，但是没有成功（分类示例可以在这里找到：http : //pybrain.org/docs/tutorial/fnn.html）。以下是我的代码：

第一个函数将numpy数组形式的数据转换为pybrain SupervisedDataset。我使用SupervisedDataset，因为根据pybrain的参考，它是问题回归时要使用的数据集。参数是一个具有特征向量（数据）及其预期输出（值）的数组：

def convertDataNeuralNetwork(data, values):

fulldata = SupervisedDataSet(data.shape[1], 1)

for d, v in zip(data, values):

    fulldata.addSample(d, v)    

return fulldata

接下来，是运行回归的函数。train_data和train_values是火车特征向量及其预期输出，test_data和test_values是测试特征向量及其预期输出：

regressionTrain = convertDataNeuralNetwork(train_data, train_values)

regressionTest = convertDataNeuralNetwork(test_data, test_values)

fnn = FeedForwardNetwork()

inLayer = LinearLayer(regressionTrain.indim)

hiddenLayer = LinearLayer(5)

outLayer = GaussianLayer(regressionTrain.outdim)

fnn.addInputModule(inLayer)

fnn.addModule(hiddenLayer)

fnn.addOutputModule(outLayer)

in_to_hidden = FullConnection(inLayer, hiddenLayer)

hidden_to_out = FullConnection(hiddenLayer, outLayer)

fnn.addConnection(in_to_hidden)

fnn.addConnection(hidden_to_out)

fnn.sortModules()

trainer = BackpropTrainer(fnn, dataset=regressionTrain, momentum=0.1, verbose=True, weightdecay=0.01)

for i in range(10):

    trainer.trainEpochs(5)

    res = trainer.testOnClassData(dataset=regressionTest )

    print res

当我打印res时，它的所有值都是0。我试图使用buildNetwork函数作为构建网络的快捷方式，但是效果不佳。我也尝试过不同种类的层和隐藏层中不同数量的节点，但是没有运气。

有人对我在做什么错有任何想法吗？另外，一些pybrain回归示例确实有帮助！我一看都找不到。