我需要使用前饋網絡解決回歸問題，并且我一直在嘗試使用PyBrain來做到這一點。由于pybrain的參考資料中沒有回歸的示例，因此我嘗試將其分類示例改編為回歸，但是沒有成功（分類示例可以在這里找到：http : //pybrain.org/docs/tutorial/fnn.html）。以下是我的代碼：第一個函數將numpy數組形式的數據轉換為pybrain SupervisedDataset。我使用SupervisedDataset，因為根據pybrain的參考，它是問題回歸時要使用的數據集。參數是一個具有特征向量（數據）及其預期輸出（值）的數組：def convertDataNeuralNetwork(data, values):fulldata = SupervisedDataSet(data.shape[1], 1)for d, v in zip(data, values):    fulldata.addSample(d, v)    return fulldata接下來，是運行回歸的函數。train_data和train_values是火車特征向量及其預期輸出，test_data和test_values是測試特征向量及其預期輸出：regressionTrain = convertDataNeuralNetwork(train_data, train_values)regressionTest = convertDataNeuralNetwork(test_data, test_values)fnn = FeedForwardNetwork()inLayer = LinearLayer(regressionTrain.indim)hiddenLayer = LinearLayer(5)outLayer = GaussianLayer(regressionTrain.outdim)fnn.addInputModule(inLayer)fnn.addModule(hiddenLayer)fnn.addOutputModule(outLayer)in_to_hidden = FullConnection(inLayer, hiddenLayer)hidden_to_out = FullConnection(hiddenLayer, outLayer)fnn.addConnection(in_to_hidden)fnn.addConnection(hidden_to_out)fnn.sortModules()trainer = BackpropTrainer(fnn, dataset=regressionTrain, momentum=0.1, verbose=True, weightdecay=0.01)for i in range(10):    trainer.trainEpochs(5)    res = trainer.testOnClassData(dataset=regressionTest )    print res當我打印res時，它的所有值都是0。我試圖使用buildNetwork函數作為構建網絡的快捷方式，但是效果不佳。我也嘗試過不同種類的層和隱藏層中不同數量的節(jié)點，但是沒有運氣。有人對我在做什么錯有任何想法嗎？另外，一些pybrain回歸示例確實有幫助！我一看都找不到。