Neural network 如何将输入数据集输入神经网络？

如果我的数据集中有1000个观测值，有15个特征和1个标签，那么输入神经元中的数据是如何为前向传递和后向传播提供的？是否按行输入1000个观测值（一次一个），并随每次输入的观测值更新权重，或根据输入矩阵给出完整数据，然后根据历元数，网络学习相应的权重值？同样，如果一次只喂养一个，那么在这种情况下是什么时代？

---

谢谢

假设数据被格式化成行（1000个实例，每个实例有16个特征，最后一个是标签），您将逐行输入前15个特征，并使用最后一个“特征”/“标签”作为目标。这称为在线学习。在线学习要求您一次输入一个示例中的数据，并对每个示例进行反向传播和权重更新。您可以想象，由于数据的每个实例的反向传播和更新，这可能会变得非常密集

您提到的另一个选项是将整个数据送入网络。这在实践中表现不佳，因为收敛非常缓慢

实际上，使用的是小批量。这涉及通过发送数据集的一小部分，然后执行反向传播和权重更新。这提供了相对频繁的权重更新以加快学习的好处，但不如在线学习那么密集。有关小批量的更多信息，请参见

最后，一个历元始终是1，它贯穿您的所有数据。不管你是一次喂一只还是一次喂一只

---

我希望这能澄清您的问题。

我建议您戴上程序员的帽子，尝试各种选项，并找到答案。。。通常，输入数据一次一个观测值输入网络。。。运行反向传播。。。更新您的错误，然后在所有观测中重复。谢谢Scott！我明白了。