training_set, data_manager.input_fields, hidden_size, epochs ) pickle.dump(trained_network, open(file_prefix + "ANN_pybrain", "wb")) exp_stats = { "Clave_experimento": file_prefix, "Archivo_CSV_ejemplos": file_name_examples, "CP": filter_string_msg, } print "EXPERIMENT STATS:", exp_stats print "TRAINING STATS:", training_stats # activacion de la red con los avaluos de prueba activations_stats = ann_engine.activate_network(trained_network, training_set, data_manager.input_fields) print "ACTIVATION STATS:", activations_stats report_values = { "Fecha_experimento": time.strftime("%d/%m/%Y"), "Clave_experimento": exp_stats["Clave_experimento"], "Archivo_CSV_ejemplos": exp_stats["Archivo_CSV_ejemplos"], "CP": exp_stats["CP"], "Tiempo_entrenamiento": training_stats["time_elapsed"], "N_entrenamiento": len(training_set), "N_pruebas": len(test_set), "EPOCHS": training_stats["epochs"], "N_neuronas_entrada": training_stats["input_neurons"], "N_capas_ocultas": training_stats["hidden_layers"], "N_neuronas_ocultas": training_stats["hidden_neurons"], "N_neuronas_salida": training_stats["output_neurons"],
# selecciona el 80-20 para entrenamiento y pruebas percent_80 = int(len(appraisals)*0.8) training_app = appraisals[:percent_80] test_app = appraisals[percent_80:] # entrenamiento de una red neuronal de una capa trained_network = ann_engine.train_ann(training_app, None, hidden_size = 50, epochs = 1000) #trained_network = ann_engine.train_ann_multihidden(training_app, None, hidden_size = 50, epochs = 1500) # activacion de la red con los avaluos de prueba ann_engine.activate_network(trained_network, test_app)