我最近开始使用pybrain库来解决使用神经网络的分类问题,通过一些努力和文档,我使它发挥了作用。在
现在,我想使用来自同一个库的blackbox优化算法,但不适用于分类。在
基本上,我试图复制兰迪博客http://www.randalolson.com/2015/02/03/heres-waldo-computing-the-optimal-search-strategy-for-finding-waldo/的一些结果。在
因此,作为第一步,我使用以下代码片段构建了受监督的数据集:
ds = Superviseddataset(2, 2)
for row in range(len(waldo_df)):
ds.addSample(inp=waldo_df.iloc[row][['Book', 'Page']], target=waldo_df.iloc[row][['X', 'Y']])
return ds
现在,数据集中的一个示例如下:
^{pr2}$下一步我想用HillClimber算法来找到最佳路径:
ef = ds.evaluateModuleMSE
init_value = ds.getSample()
learner = HillClimber(evaluator=ef, initEvaluable=init_value, minimize=True)
learner.learn()
我得到的例外情况是:
/Users/maestro/anaconda/lib/python2.7/site-packages/pybrain/datasets/supervised.pyc in evaluateModuleMSE(self, module, averageOver, **args)
96 res = 0.
97 for dummy in range(averageOver):
---> 98 module.reset()
99 res += self.evaluateMSE(module.activate, **args)
100 return res/averageOver
AttributeError: 'numpy.ndarray' object has no attribute 'reset'
有人能帮我找出我做错了什么吗?关于这方面的文档非常稀少,甚至在代码库中搜索也没有帮助。在
谢谢
注:如果我正确地阅读了API
class pybrain.optimization.HillClimber(evaluator=None, initEvaluable=None, **kwargs)
最简单的随机搜索:健身景观中的爬山。在
优化算法只需要使用求值器,在我的例子中评估模块在
整个代码片段是:
import pandas as pd
from pybrain.optimization import HillClimber
from pybrain.datasets import SupervisedDataSet
waldo_df = pd.read_csv('whereis-waldo-locations.csv')
ds = SupervisedDataSet(2, 2)
for row in range(len(waldo_df)):
ds.addSample(inp=waldo_df.iloc[row][['Book', 'Page']], target=waldo_df.iloc[row][['X', 'Y']])
learner = HillClimber(evaluator=ds.evaluateModuleMSE, initEvaluable=ds.getSample(), minimize=True)
目前没有回答
相关问题 更多 >
编程相关推荐