トレーニング終了後のニューラルネットワークのデータテストコード

Question

私は自分のためにオンラインで見つかったコードを修正しました。ニューラルネットワークのトレーニングは完了です。しかし、私はデータセットのテストをどのように進めるべきかはわかりません。私のデータセットは350項目で構成され、そのうちの半分は訓練に使用し、残りの半分はテストに使用します。どのようにコードがテストモジュールのように見えるか誰でも助けてくれますか？ ニューラルネットワークの構造： それは3つの隠れ層 それはありがとう 34個の列を持っているがありますが

これは私の作業コードは、訓練に使用されている：私はそれを理解できるように

import numpy as np 
import csv 

X = X = np.array([[float(cell) for cell in row[:-1]] for row in  csv.reader(open('C:/Users/Acer/Desktop/final sem/Project/Implementation/nn.csv'))]) 

Y = np.array([float(row[-1]) for row in csv.reader(open('C:/Users/Acer/Desktop/final sem/Project/Implementation/nn.csv'))]) 

syn0 = 2*np.random.random((34,26)) - 1 

syn1 = 2*np.random.random((26,18)) - 1 

syn2 = 2*np.random.random((18,11)) - 1 


syn3 = 2*np.random.random((11,6)) - 1 


for j in xrange(350): 

    l1 = 1/(1+np.exp(-(np.dot(X,syn0)))) 
    l2 = 1/(1+np.exp(-(l1.dot(syn1)))) 
    l3 = 1/(1+np.exp(-(l2.dot(syn2)))) 
    l4 = 1/(1+np.exp(-(l3.dot(syn3)))) 

    l4_delta = (Y[j] - l4)*(l4*(1-l4)) 
    l3_delta = l4_delta.dot(syn3.T) * (l3 * (1-l3)) 
    l2_delta = l3_delta.dot(syn2.T) * (l2 * (1-l2)) 
    l1_delta = l2_delta.dot(syn1.T) * (l1 * (1-l1)) 

    syn3 += np.dot(l3.transpose(),l4_delta) 
    syn2 += np.dot(l2.transpose(),l3_delta) 
    syn1 += np.dot(l1.transpose(),l2_delta) 
    syn0 += X.T.dot(l1_delta) 

Answer 1

は、あなたが使用したいですあなたのデータセットの項目の分類のためのニューラルネットワーク。
トレーニング後、最後のレイヤーが6 ニューロンであるため、という6つのクラスがのネットワークにグループ化できます。

• データセット
• までforループアップの同じ更新を使用し、すなわち、ネットワークの出力を計算するためにエントリを使用しての項目のいずれかを実行します：ここで

  は、私はにはどうなるかです線l4 = 1/(1+np.exp(-(l3.dot(syn3))))。 （訓練の後、あなたはシナプスの重みをもう一度更新しないでくださいsyn0,syn1, ...）。

• l4に6つの値の出力があります。
• 私はいつもの解釈はこのように書き思う：さんはl4に第三値を言わせては、あなたのサンプルがカテゴリ3であり、最大のです。
• ここで、前のサンプルと同様のサンプルのほとんどは、カテゴリ3のアイテムとして分類する必要があります。
• この方法で、あなたのニューラルネットワークは、あなたのサンプル

私は、これは多少役に立つホープのパターンを認識することができるはずです。これは非常に一般化されていますが、あなたのデータが何であるか、どのように見えているのか、また何を探しているのか分からないので、あなたの例もそうです。