首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >用150 k训练对帮助训练反向传播神经网络

问用150 k训练对帮助训练反向传播神经网络
EN

Data Science用户
提问于 2017-05-11 16:36:09
回答 1查看 168关注 0票数 1

我目前正试图训练我的反向传播分类150 k训练对。每个训练对是18个双极数的向量,它穿过两个隐藏层,最终输出一个数字(18-18-18-1)。

当我用几千个训练对给我的神经网络喂食时,它可以100%地对它们进行分类,但是当我试图给出更多的信息时,它会产生许多错误。有没有人有什么建议可以帮助背支柱网处理更多的训练对?我应该批量更新权重,还是对每个训练对进行更新(我现在所做的)?另外,用这么多的训练对测试收敛性的最好方法是什么(当总结误差时,它是~40k),.Any帮助是非常受欢迎的。

(FYI:每对培训都是一个贷款账户,我试图用以下数据来评估:余额、年龄、开放时间、邮政编码的平均收入以及目标是是否已经支付)

EN

回答 1

Data Science用户

发布于 2017-05-12 13:51:30

在训练神经网络时,需要注意的是:

  • 学习曲线:在训练集的X大小验证集上的错误图。当网络被训练的时候,错误必须减少,所以如果你看到波动或增加,什么是错误的。
  • 学习速率:学习速度影响梯度下降的收敛性。较小的学习速率会使模型对数据的拟合度过高,而较大的学习率会使模型的拟合度过低。
  • 精确性:在训练集中的分类示例中,有多少网络是正确的,或者更准确地说,它按照预期分类了多少?
  • 回想一下:在所有正面的例子中,在你的例子中,付费的例子中,有多少被归类为paid?

如果您注意到网络的性能不好,您可以:

  • 添加其他使模型更适合数据的功能--例如,将平均家庭收入添加到这些功能中。
  • 获取更多的培训示例
  • 一些论文指出,更深层次的网络能够捕捉到他们试图适应的模型的微妙之处,因此对网络架构进行实验是一种选择。
票数 1
EN
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://datascience.stackexchange.com/questions/18913

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档