神经网络解决优化问题,神经网络 样本不平衡 | 您所在的位置:网站首页 › 可以避免样本不平衡的分类方法 › 神经网络解决优化问题,神经网络 样本不平衡 |
bp神经网络遇到新的数据,就预测不准,怎么弄?
预测数据的话BP不是特别好用,最好用Elman反馈神经网络或者RNN循环神经网络,这些有记忆功能的网络比较好用。bp主要和你选择的隐含层数,和误差范围,学习率有关。 你可以调节相关参数来改变神经网络,获得更精确的结果。 谷歌人工智能写作项目:神经网络伪原创 大哥你这个目标要求的也太高了吧,要1e-12!1e-5,1e-6就行了写作猫。 而且就训练100次由什么用,BP的话起码要3000到5000次训练,复杂问题要10000次左右,再说BP网络存在“殊途同归”的问题,所以每次不太一样也是正常的,只要测试误差满足要求就行了。 以下那些分类算法可以较好地避免样本不平衡问题A KNN BSVM C Bayes D神经网络 答案选A,求解释KNN只是取了最近的几个样本点做平均而已,离预测数据较远的训练数据对预测结果不会造成影响,但是svm、Bayes和NN每一个训练样本果都会对预测结果产生影响,于是如果样本不平衡的话KNN的效果最好,举个极端一点例子:答案只有A与B,但是训练样本中A的个数占99%,而B只有1%,svm、Bayes和NN训练出来的结果,恐怕预测任 |
CopyRight 2018-2019 实验室设备网 版权所有 |