我正在使用神经网络进行土壤光谱分类研究，我从教授那里得到了实验室的数据，这些数据包括从1200纳米到2400纳米波长的光谱反射率。他只有270个样本。

由于训练数据非常少（只有270个样本），我无法将网络的准确率训练到超过74%。我曾担心我的Matlab代码有问题，但当我使用Matlab的神经网络工具箱时，得到的结果相同…准确率不超过75%。

当我与教授讨论这个问题时，他说没有更多的数据了，但他建议我对现有数据进行随机扰动以获取更多数据。我在网上研究了数据的随机扰动，但没有找到有效的方法。

能否有人指导我如何对270个样本进行随机扰动，以便我能获得更多数据？

另外，由于这样做，我将构建‘假’数据，我不明白这如何能使神经网络表现得更好，因为神经网络的训练不正是使用实际有效的数据吗？

谢谢，

@Faisal.

回答：

我认为试图制造更多数据是个坏主意：除非你知道数据的真实分布，否则你无法创造出比你已有数据信息含量更高的任何东西。如果你确实知道，你将能够以贝叶斯最优错误率进行分类，这将是无法超越的。

我会考虑的是是否可以通过调整神经网络的参数来提高性能。面对少量训练数据时，首先想到的是你的权重正则化器（你是否使用了正则化权重），如果你倾向于这样看，这可以被视为权重的先验。我还会考虑改变激活函数，如果你使用的是简单的线性激活函数，以及增加或减少隐藏节点的数量（样本如此少，我会使用非常少的节点，甚至完全绕过隐藏层，因为用有限的数据很难学习非线性交互）。

虽然我通常不推荐这样做，但鉴于数据量有限，你可能需要使用交叉验证来设置这些超参数，因为10-20%的测试集大小会提供无用的见解。然而，你可以保留10-20%的数据用于最终测试，以免结果偏向于有利于你的方向。