训练能力强，预测能力差

Question

我写了一个在神经网络中预测的代码。

训练的误差是好的(低于1%)，但是预测的误差很高(大约20%)...I认为我的网络训练过度了，但我不知道解决这个问题的方法……我改变了层数，神经元的数量和训练函数，但结果没有改变……

所以我把我的代码放在这个论坛上，希望能得到一个答案：link text

此zip文件包含2个文件：

1-数据的Excel文件:第1-4行用于训练输入，第5行用于训练输出(第6行是输出，但在本代码中没有使用)，第7-10行用于测试输入，第11行用于测试输出。

2-matlab代码

运行程序后，出现4个图表:第一行是训练数据，第二行是测试数据。

如果有人知道答案，请更改我的代码并将其重新放入。

非常感谢。

编辑：

更多描述：

我有两个输出和两个代码的each...for行6(第二个输出)这个代码有可以接受的结果，但对于行5没有好的结果…

请更改我的代码并应用您的建议，如果您认为您的建议有用，请将其放在这里……我在其他论坛收到了一些建议，这些建议是通用的解决方案，对结果没有影响……

Answer 1

正如人们所提到的，你可能对训练数据过度拟合了ANN。根据数据集，如果您训练足够长的时间，您可能会获得任意良好的训练数据拟合。另一个问题可能是训练数据不能正确地表示问题空间。也就是说，测试数据中的输入与您用于训练的数据非常不同。如果是这样的话，ANN就不可能充分发挥作用。

为了克服过度拟合，试试这个。将数据分成3组:训练、验证和测试。在训练时，ANN还计算验证集上的误差。如果验证集没有改善，比如说，5个时期(你总是可以配置这个)，那么停止训练。

另外，作为一个一般性的观点。我没有机会查看您的数据和源代码，但请记住，您需要大量的数据才能获得良好的结果。如果你只有几个数据点，那么就很难/不可能达到好的结果。

我推荐阅读here指南，以获得有关ANN许多方面的良好概述。

祝好运!

Answer 2

如果你认为问题可能是训练过度，试着训练他们，直到他们有5%，10%的错误，而不是1%。你的错误百分比越低，他们就越难推广--他们只知道准确地识别你给他们的东西。

Answer 3

如果你正在使用Matlab，试着用贝叶斯正则化来训练你的网络，而不是默认的Levenberg-Marquardt算法(net.trainFcn = 'trainbr‘而不是trainlm)