Question

我正在制作一个程序，使用encog预测足球比赛的结果。我创建了一个神经网络，使用弹性传播训练方法训练了90个匹配的数据。我已经将比赛结果标记为1表示主场胜利，0表示平局，-1表示客场胜利。

问题在于预测。有时我获得50％的成功率，而其他时间我得到低至33％。这就像使用随机函数。我注意到的是，最接近预测的结果是1（约70％）。我已经尝试过改变隐藏层数，训练次数但没有运气，它仍在振荡。如果我做错了什么，任何人都可以帮助我或者让我朝着正确的方向前进。

这是神经网络的代码。我正在从数据库中获取训练数据和预测数据。

Predictor(NeuralDataSet trainingData){
    trainingSet = trainingData;
    network = new BasicNetwork();
    network.addLayer(new BasicLayer(16));
    network.addLayer(new BasicLayer(3));
    network.addLayer(new BasicLayer(1));
    network.getStructure().finalizeStructure();
    network.reset();
}

培训

public void train(int epoch){
    int i =0;
    final Train train =new ResilientPropagation(network,trainingSet);
    while(i<=epoch){
        train.iteration();
        i++;
    }

}

预测

public void successRate(NeuralDataSet trainingData){
    int counter = 0;
    int correct = 0;
    int home=0;
    int away=0;
    int draw=0;
    for(MLDataPair pair: trainingData ) {
        final MLData output = network.compute(pair.getInput());
        if(pair.getIdeal().getData(0)==Math.round(output.getData(0)))
            correct++;
        counter++;
    }
    System.out.println((double)correct/(double)counter);
}

1。）我正在将数据提供给神经网络1000.目前正在进行更多/更少的测试，因为事情变得更好。

2,3。）我有16个输入参数。他们包括：主队积分，主场主场胜利，平局，失利，主队总胜场，失利，平局和形式（最近5场比赛得分）。相同的数据仅用于客队，而不是主队的主场胜利，平局和失利客场胜利，平局，失利被使用。我将尝试不同的训练数据。

Answer 1

鉴于信息很难说出现了什么问题，可能有多种原因。但这里有一些潜在的解决方案。

1）您将训练数据提供给神经网络的次数是多少？通常，您需要多次传递训练数据以使网络收敛。有一次是不够的，特别是如果你只有90个训练数据。

2）训练数据中有多少输入参数（以及它们是什么）？通常，您需要将隐藏层节点的数量调整为输入参数的数量。对此没有硬性规则，但我通常以隐藏层节点数量的至少两倍作为输入参数开始。

3）您是否尝试过选择不同的测试数据？我假设你的训练和测试数据不同。您选择的测试数据可能有问题，因为它们完全不符合培训数据。完全有可能无法从您的方法中获得任何可靠的估计。您的输入参数可能完全不足以预测谁赢得任何给定的匹配。这是垃圾，垃圾，概念。

足球预测程序包含：不一致的预测

1 个答案: