Fatal编程技术网
  • machine-learning/
  • Machine learning 如果训练本身的错误率很高，何时增加隐藏层和隐藏层中的特征数？

Machine learning 如果训练本身的错误率很高，何时增加隐藏层和隐藏层中的特征数？

machine-learning neural-network

Machine learning 如果训练本身的错误率很高，何时增加隐藏层和隐藏层中的特征数？,machine-learning,neural-network,Machine Learning,Neural Network,我使用神经网络进行分类任务（1个隐藏层和10个特征） 结果不太好。训练数据集本身的错误率很高 我现在该怎么办 是否需要增加隐藏层中的节点数？会产生什么影响 我是否需要增加隐藏层的输入特征数量？会产生什么影响 考虑到您网络的当前配置，并且不知道更多关于数据集的信息，我建议添加第二个隐藏层，其中只有几个节点（可能4个）。这将允许生成的决策面类型具有更多的可变性（例如，单个类的多个不同集群） 即使您正在进行二进制分类，我也会将输出拆分为两个节点（一个为true，一个为false），并将最大值作为分类结

我使用神经网络进行分类任务（1个隐藏层和10个特征）

结果不太好。训练数据集本身的错误率很高

我现在该怎么办

  • 是否需要增加隐藏层中的节点数？会产生什么影响

  • 我是否需要增加隐藏层的输入特征数量？会产生什么影响

    • 考虑到您网络的当前配置，并且不知道更多关于数据集的信息，我建议添加第二个隐藏层，其中只有几个节点（可能4个）。这将允许生成的决策面类型具有更多的可变性（例如，单个类的多个不同集群）

    即使您正在进行二进制分类，我也会将输出拆分为两个节点（一个为true，一个为false），并将最大值作为分类结果。我通常认为这样可以更好地收敛，而且解释错误更直观。

    您的网络中有多少输入和输出？你有多少个训练样本？你在做交叉验证吗？在不了解具体情况的情况下，很难给出具体的建议。输入功能为6，输出为单一，采用2个值“是/否”。现在我没有做任何交叉验证。。。我有大约5000万个训练样本。。。