使用pybrain优化算法解决搜索问题

Question

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

更新

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)