Sto usando questa libreria per implementare un agente di apprendimento.
Ho generato i casi di addestramento, ma non so con certezza quali siano i set di validazione e test.
L'insegnante dice:
Il 70% dovrebbe essere casi di treni, il 10% sarà casi di test e il restante 20% casi di validazione.
modificare
Ho questo codice per l'allenamento, ma non ho idea di quando interrompere l' allenamento.
def train(self, train, validation, N=0.3, M=0.1):
# N: learning rate
# M: momentum factor
accuracy = list()
while(True):
error = 0.0
for p in train:
input, target = p
self.update(input)
error = error + self.backPropagate(target, N, M)
print "validation"
total = 0
for p in validation:
input, target = p
output = self.update(input)
total += sum([abs(target - output) for target, output in zip(target, output)]) #calculates sum of absolute diference between target and output
accuracy.append(total)
print min(accuracy)
print sum(accuracy[-5:])/5
#if i % 100 == 0:
print 'error %-14f' % error
if ? < ?:
break
modificare
Posso ottenere un errore medio di 0,2 con i dati di convalida, dopo forse 20 iterazioni di allenamento, che dovrebbe essere dell'80%?
errore medio = somma della differenza assoluta tra target di validazione e output, dati input / dimensione dei dati di validazione.
1
avg error 0.520395
validation
0.246937882684
2
avg error 0.272367
validation
0.228832420879
3
avg error 0.249578
validation
0.216253590304
...
22
avg error 0.227753
validation
0.200239244714
23
avg error 0.227905
validation
0.199875013416