sklearn中的神经网络预测波动

Question

当我将sklearn神经网络（MLPRegressor）安装到非常小的数据集（50个元素）和18个输入要素时。 每次运行神经网络时，我都会得到波动很大的输出。原因是 每次都会初始化参数（权重和偏差），输入的数量显然不足以适合神经网络。我必须强调，MLP回归函数的最大迭代次数设置为2000，因此应该收敛。这可能是过度拟合的问题，但是对于不同的层-节点组合，它会波动。如何解决这个问题？

---

编辑：

与随机forrest（0.2 eV），线性多项式拟合（0.18 eV）和高斯回归（0.17）相比，误差很大。绘制了RMSE，目标变量在区间[-1,2]中。

神经网络的大小为3 * 2 根据{{​​3}}设计原则，该现象对于其他几何形状不会改变。如果结果波动很大，则很难进行超参数搜索。