Java 具有线路输出权重可靠性的Encog回归。(用于错误思考)
我正在使用Encog和Autompgression示例进行一些测试: 我的问题很简单,有没有一种方法可以设置数据行输出的权重可靠性 事实上,一些数据样本可能比其他样本更可靠,因此对于不可靠的线数据,我们应该告诉Encodg,如果神经网络与输出不匹配,这并不重要 自动回归示例csv数据的提取:Java 具有线路输出权重可靠性的Encog回归。(用于错误思考),java,artificial-intelligence,regression,encog,Java,Artificial Intelligence,Regression,Encog,我正在使用Encog和Autompgression示例进行一些测试: 我的问题很简单,有没有一种方法可以设置数据行输出的权重可靠性 事实上,一些数据样本可能比其他样本更可靠,因此对于不可靠的线数据,我们应该告诉Encodg,如果神经网络与输出不匹配,这并不重要 自动回归示例csv数据的提取: 18.0 8 307.0 130.0 3504. 12.0 70 1 "chevrolet chevelle malibu" 15.0 8 35
18.0 8 307.0 130.0 3504. 12.0 70 1 "chevrolet chevelle malibu"
15.0 8 350.0 165.0 3693. 11.5 70 1 "buick skylark 320"
18.0 8 318.0 150.0 3436. 11.0 70 1 "plymouth satellite"
我想告诉Encog,对于第2行,输出值“15”的可验证性为50%,因此应该考虑该行的错误
谢谢你的帮助,
特里克斯问得好!你所问的实际上是异常值的正确分类:当教学数据中的一小部分不能很好地表示整个训练数据时。通常,神经网络能够很好地理解两个异常行在某种程度上是异常值,并且在没有您的帮助的情况下“理解”它。如果你有1-5%的异常值,神经网络或多或少会在没有你帮助的情况下忽略它们。在我的一些测试中,神经网络甚至能够“忽略”10%的异常值。换言之,神经网络会考虑离群点作为噪声。您实际需要的是确保您的训练集和验证集具有大致相似的异常值百分比 好问题!你所问的实际上是异常值的正确分类:当教学数据中的一小部分不能很好地表示整个训练数据时。通常,神经网络能够很好地理解两个异常行在某种程度上是异常值,并且在没有您的帮助的情况下“理解”它。如果你有1-5%的异常值,神经网络或多或少会在没有你帮助的情况下忽略它们。在我的一些测试中,神经网络甚至能够“忽略”10%的异常值。换言之,神经网络会考虑离群点作为噪声。您实际需要的是确保您的训练集和验证集具有大致相似的异常值百分比 @Gama11或trix什么是可伪造性?@YuraZaletskyy的可伪造性/可靠性我的意思是,对于给定的输入,我们或多或少地肯定有输出。@Gama11或trix什么是可伪造性?@YuraZaletskyy的可伪造性/可靠性我的意思是,对于给定的输入,我们或多或少地肯定有输出。