神经网络训练的理想迭代次数

我设计了一个多层感知器网络,并使用一个包含10000个输入的数据集进行训练,每个输入有5个维度,我期望得到1个输出。是否有公式可以计算出对于N个输入所需的理想迭代次数。


回答:

没有通用的公式可以确定给定训练数据集所需的迭代次数。

迭代次数只是影响分类器的一个参数。其他超参数包括层数、每层的neurons数量和学习率。

你可以进行超参数调优,并检查分类器在何时开始过拟合。你可以从较少的迭代次数开始,观察在哪一点上增加更多的迭代次数不再有助于减少误差。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注