我正在尝试构建一个应用来检测来自网页的广告图像。一旦我发现了那些，我就不会允许那些在客户端显示。
基本上我使用反向传播算法来训练神经网络，使用此处给出的数据集：http://archive.ics.uci.edu/ml/datasets/Internet+Advertisements。
但是在那个数据集中没有。属性非常高。事实上，该项目的一位导师告诉我，如果你训练具有许多属性的神经网络，那么需要花费大量的时间来接受训练。那么有没有办法优化输入数据集？或者我只需要使用那么多属性？
答案 0 :(得分：5)
1558实际上是一些适当数量的功能/属性。实例数（3279）也很小。问题不在于数据集方面，而在于训练算法方面。
人工神经网络培训速度慢，我建议你使用逻辑回归或svm。他们俩都很快训练。特别是，svm有很多快速的算法。
在此数据集中，您实际上是在分析文本，而不是图像。我认为线性家庭分类器，即逻辑回归或svm，对你的工作更好。
如果您正在使用生产，则无法使用开源代码。与良好的ANN和SVM相比，Logistic回归非常容易实现。
如果您决定使用逻辑回归或SVM，我可以在将来推荐一些文章或源代码供您参考。
答案 1 :(得分：1)
如果您实际使用的是具有1558个输入节点且仅有3279个样本的反向传播网络，则训练时间是您遇到的最少问题：即使您的网络非常小，只有一个隐藏层包含10个神经元，在输入层和隐藏层之间有1558 * 10个权重。您如何才能期望从仅3279个样本中获得15580自由度的良好估计？ （而这个简单的计算甚至不考虑“维度的诅咒”）
您必须分析数据以了解如何优化数据。尝试了解您的输入数据：哪些（元组）特征（统计）具有统计显着性？ （使用标准统计方法）有些功能是多余的吗？ （主成分分析是一个很好的说明点。）不要指望人工神经网络为你做这项工作。
另外：记住Duda＆amp; Hart着名的“无免费午餐定理”：没有分类算法适用于所有问题。对于任何分类算法X，存在一个问题，即翻转硬币会产生比X更好的结果。如果考虑到这一点，在分析数据之前决定使用哪种算法可能不是一个明智的想法。您可能已经选择了实际上比您对特定问题盲目猜测更差的算法！ （顺便说一句：Duda＆amp; Hart＆amp; Storks的book about pattern classification是了解这一点的好起点，如果你还没有读过它。）
答案 2 :(得分：0)
适用于每种功能的单独ANN 例如 网址条目的457输入1输出（ANN1） 495输入1输出用于origurl（ANN2） ...
然后训练他们所有人 使用另一个主要的ANN来加入结果