我正在尝试使用Pybrain神经网络和专门的ClassificationDataSet构建我的第一个分类器，但我不是很确定自己是否完全理解它的工作原理。

我有一个包含6个特征列和1个类别标签列（Survived，仅0或1）的pandas数据框。

我从中构建了一个数据集：

ds = ClassificationDataSet(6, 1, nb_classes=2)for i in df[['Gender', 'Pclass', 'AgeFill', 'FamilySize', 'FarePerPerson', 'Deck','Survived']].values:    ds.addSample(tuple(i[:-1]), i[-1])ds._convertToOneOfMany()return ds

好的，我检查了数据集的外观：

for i, m in ds:    i, m(array([ 1.,  3.,  2.,  2.,  1.,  8.]), array([1, 0]))(array([ 0.,  1.,  1.,  2.,  0.,  2.]), array([0, 1]))

我已经遇到了问题。[1,0]或[0,1]是什么意思？它只是原始的’survived’列中的’0’或’1’吗？如何转换回原始值？

后来，当我完成网络的训练后：

net = buildNetwork(6, 6, 2, hiddenclass=TanhLayer, bias=True,  outclass=SoftmaxLayer)trainer = BackpropTrainer(net, ds)trainer.trainEpochs(10)

我将尝试在另一个数据集上激活它（我希望对其进行实际分类），我将获得每个2个输出神经元的一对激活结果，但如何理解哪个输出神经元对应哪个原始类别？这可能显而易见，但遗憾的是，我无法从文档中理解这一点。

回答：

看起来pybrain使用位置来确定(0,1)或(1,0)表示哪个类别。

要转换回原始的0或1标记，您需要使用argmax()函数。例如，如果我已经有一个训练好的网络，并且我想在用于训练的相同数据上验证它，我可以这样做：

for inProp, num in ds:    out = net.activate(inProp).argmax()    if out == num.argmax():        true+=1    total+=1res = true/total

inProp看起来像我的输入值的元组，用于激活，num – 预期的两个神经元输出的元组（可能是(0,1)或(1,0)），num.argmax()会将其转换为0或1 – 真实输出。

我可能错了，因为这只是一个纯粹的启发式方法，但在我的例子中它是有效的。