如何测试经过训练的神经网络以预测新输入的输出

Question

神经网络和 py 的新知识，我才刚刚开始学习。在网上找到了这个反向传播神经网络 Class，我正在尝试将其用于 classification。

Link 共 class：http://arctrix.com/nas/python/bpnn.py

我向网络添加了 11 个具有相应标记数据 [0] 或 [1] 的输入。创建一个具有 11 个输入、3 个隐藏层和 1 个输出的网络。

示例：

 # Teach network XOR function

pat = [
    [[1, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0], [1]],
    [[0, 0, 1, 0, 0, 1, 1, 1, 0, 0, 0], [0]],
    [[1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0], [1]],
    [[0, 0, 1, 0, 0, 1, 1, 1, 0, 0, 0], [0]]
]

# create a network with two input, two hidden, and one output nodes
n = NN(11, 3, 1)
# train it with some patterns
n.train(pat)
# test it
n.test(pat)

if __name__ == '__main__':
demo()

网络训练后给出：

([1, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0], '->', [0.9931939688547892])
([0, 0, 1, 0, 0, 1, 1, 1, 0, 0, 0], '->', [-0.015507293481101131])
([1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0], '->', [0.9907311490435106])
([0, 0, 1, 0, 0, 1, 1, 1, 0, 0, 0], '->', [-0.015507293481101131])

我的问题是：训练网络后如何使用它来预测单个输入的输出？

例如我想预测这个新输入的标签

[[1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0]]

并给出输出，例如“0.001212 或 0.99992323”

Answer 1

只需将测试数据传递给test函数即可：

n.test([[1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0]])

如何测试经过训练的神经网络以预测新输入的输出

How to test a trained neural network to predict outputs for new inputs

python

neural-network