Python 关于神经网络回归分数的解释
我有一个只有340行的数据库，每行有53个预测属性，如果我通过神经网络回归进行训练，我会得到数据之间的相关性为0.999，但是，当我尝试使用不同的值从测试数据库进行预测时，结果并不好（预期与获得之间的差距巨大）.这个相关性得分是否表明基础具有良好的属性，如果我增加数据的数量，结果会更好，或者对于我已经得到的结果，其值与预期值相差甚远，我已经可以得出结论，即使数据增加，也不会变得更好？谢谢这听起来类似于过度拟合，因此我的建议建议是尝试一个节点较少的不太复杂的神经网络。作为一个实验，尝试将神经元数量减少一半。添加到@JamesPhillips中，原始数据和输出变量之间的相关性如何？或者是一个单层（如果预测变量的相关性很高，53个输入后面跟着一个带有多个神经元的Single层，可能会起作用）这听起来类似于过度拟合，所以我的建议是尝试一个节点较少的不太复杂的神经网络。作为一个实验，尝试将神经元数量减少一半。添加到@JamesPhillips中原始数据和输出变量之间的相关性如何？或者是一个单层（如果预测变量的相关性很高，53个输入后面跟着一个带有多个神经元的Single层，可能会起作用）Python 关于神经网络回归分数的解释,python,neural-network,artificial-intelligence,regression,Python,Neural Network,Artificial Intelligence,Regression,我有一个只有340行的数据库，每行有53个预测属性，如果我通过神经网络回归进行训练，我会得到数据之间的相关性为0.999，但是，当我尝试使用不同的值从测试数据库进行预测时，结果并不好（预期与获得之间的差距巨大）.这个相关性得分是否表明基础具有良好的属性，如果我增加数据的数量，结果会更好，或者对于我已经得到的结果，其值与预期值相差甚远，我已经可以得出结论，即使数据增加，也不会变得更好？谢谢这听起来类似于过度拟合，因此我的建议建议是尝试一个节点较少的不太复杂的神经网络。作为一个实验，尝试将神经元数量