我身边有与pybrain位出场，并了解如何使用自定义的架构产生的神经网络，并利用BP算法训练他们来监督数据集。
但是我通过优化算法和任务的观念，学习代理商和环境相混淆。
例如：如何将实现一个神经网络，例如（1）使用pybrain遗传算法（2）的数据集XOR分类？
（1） pybrain.tools.shortcuts.buildNetwork(2, 3, 1)
（2） pybrain.optimization.GA()
Answer 1:
我终于摸索出来！ 它总是很容易，一旦你知道如何！
本质上，第一个参数的GA是必须采取的第二个参数（个人，在文档称为评估）作为其唯一ARG适应度函数（称为评价者在文档）。
在这个例子将训练到XOR
from pybrain.datasets.classification import ClassificationDataSet
# below line can be replaced with the algorithm of choice e.g.
# from pybrain.optimization.hillclimber import HillClimber
from pybrain.optimization.populationbased.ga import GA
from pybrain.tools.shortcuts import buildNetwork
# create XOR dataset
d = ClassificationDataSet(2)
d.addSample([0., 0.], [0.])
d.addSample([0., 1.], [1.])
d.addSample([1., 0.], [1.])
d.addSample([1., 1.], [0.])
d.setField('class', [ [0.],[1.],[1.],[0.]])
nn = buildNetwork(2, 3, 1)
# d.evaluateModuleMSE takes nn as its first and only argument
ga = GA(d.evaluateModuleMSE, nn, minimize=True)
for i in range(100):
nn = ga.learn(0)[0]
上面的脚本后，测试结果：
In [68]: nn.activate([0,0])
Out[68]: array([-0.07944574])
In [69]: nn.activate([1,0])
Out[69]: array([ 0.97635635])
In [70]: nn.activate([0,1])
Out[70]: array([ 1.0216745])
In [71]: nn.activate([1,1])
Out[71]: array([ 0.03604205])
文章来源: How to train a neural network to supervised data set using pybrain black-box optimization?
