Neural network 用150k训练样本建立反向传播网络

我正试图建立一个反向传播神经网络来分类15万个贷款账户。每个账户都有年龄、平均收入和发放贷款日期的数据。我还必须确定他们是否支付了1（已支付），-1（未支付）的目标。我想知道最好的方法是建立网络的架构，这样它就可以正确地训练和分类我拥有的数据

现在的输入是一个由10个值（1或-1）组成的数组，这些值基于我所拥有的数据。每层中有多少隐藏层和神经元最能处理这些数据

---

如果您能为我提供帮助或指引我正确的方向，我们将不胜感激。

您尝试过哪些体系结构？因为您只有10个输入和一个输出，所以不应该分层太多，因为这可能会使数据过多。你应该通过尝试和错误来试验自己，因为你的输入不是很大（你不必使用所有150k样本来计算出大量的层）现在我有10个输入，一个隐藏层是10个神经元和一个输出层。我使用双极乙状结肠激活功能。我有4个年龄组，每个年龄组都有一个输入[1，-1，-1，-1]或[-1,1，-1，-1]。。。ect和3个具有相同[1，-1,1]的收入群体。ect，然后我将数组合并为最终输入，因此，如果有人在第一年龄组和第一收入组，他们有数组[1，-1，-1，-1，-1，-1]（日期还有三个值）您尝试过什么体系结构？因为您只有10个输入和一个输出，所以不应该分层太多，因为这可能会使数据过多。你应该通过尝试和错误来试验自己，因为你的输入不是很大（你不必使用所有150k样本来计算出大量的层）现在我有10个输入，一个隐藏层是10个神经元和一个输出层。我使用双极乙状结肠激活功能。我有4个年龄组，每个年龄组都有一个输入[1，-1，-1，-1]或[-1,1，-1，-1]。。。ect和3个具有相同[1，-1,1]的收入群体。ect，然后我将数组合并为最终输入，这样，如果有人在第一年龄组和第一收入组，他们就有了数组[1，-1，-1，-1，-1]（日期还有三个值）