Я пытаюсь использовать пакет darch для создания dbn нескольких уложенных RBM. Я новичок в глубокой учебной сцене, поэтому мой вопрос: что эквивалентно функции прогнозирования в пакетах glmnet/randomForest/knn ... etc?Использование darch для прогнозирования нового класса образцов
После обучения dbn, как я могу предсказать внешний образец? например (это пример, приведенный в пакете)
## Not run:
# Generating the datasets
inputs <- matrix(c(0,0,0,1,1,0,1,1),ncol=2,byrow=TRUE)
outputs <- matrix(c(0,1,1,0),nrow=4)
# Generating the darch
darch <- newDArch(c(2,4,1),batchSize=2)
# Pre-Train the darch
darch <- preTrainDArch(darch,inputs,maxEpoch=1000)
# Prepare the layers for backpropagation training for
# backpropagation training the layer functions must be
# set to the unit functions which calculates the also
# derivatives of the function result.
layers <- getLayers(darch)
for(i in length(layers):1){
layers[[i]][[2]] <- sigmoidUnitDerivative
}
setLayers(darch) <- layers
rm(layers)
# Setting and running the Fine-Tune function
setFineTuneFunction(darch) <- backpropagation
darch <- fineTuneDArch(darch,inputs,outputs,maxEpoch=1000)
# Running the darch
darch <- darch <- getExecuteFunction(darch)(darch,inputs)
outputs <- getExecOutputs(darch)
cat(outputs[[length(outputs)]])
Пусть теперь мы имеем
inputsTest <- matrix(c(0,1,0,0,0,0,1,1),ncol=2,byrow=TRUE)
Как получить выход?
также, может кто-нибудь объяснить, что делает эта строка:
darch <- darch <- getExecuteFunction(darch)(darch,inputs)