Machine learning 用150k训练对训练反向传播神经网络

我目前正在尝试训练我的反向传播，以便对150k个训练对进行分类。每个训练对是一个由18个双极数组成的向量，它穿过2个隐藏层，最终输出1个数（18-18-18-1）

当我只给神经网络输入几千个训练对时，它可以100%地对它们进行分类，但当我尝试输入更多训练对时，它会产生很多错误。有没有人有什么建议可以帮助背部支撑网处理更多的训练对？我应该批量更新权重还是更新每个训练对的权重（我现在所做的）？还有，使用如此多的训练对测试收敛性的最佳方法是什么（对误差求和时约为40k）。非常感谢您的帮助

---

仅供参考：每个培训对都是我试图评估的贷款账户，包括余额、年龄、开设时间、zipcode的平均收入，目标是它是否已支付。

获得100%的准确率是过分的。神经网络没有推广学习。如果给出一个新样本，它将无法正确分类。对于任何几千个输入对，或者只针对特定的一组，您是否获得100%的准确度。它是实时数据吗？我怀疑，你的训练样本没有正确取样。我只得到训练对集合的100%，而不是任何特定集合。我的培训样本如何不能正确取样？我正在获取彼此不相似的输入。如果不是这样，请尝试批量更新。您还可以使用退出，即隐藏层中的某些连接（使权重随机为零，例如权重的10%）。