Question

我在MATLAB中用652,500个数据点训练我的artificial neural network（ANN），在另一个盲测试中（652,100个数据点 - 对于全新的输入数据集），输出非常好（我想要的）。但是当我插入非常少量的数据（例如，低于50个数据点）时会出现问题。输出非常意外，我多次检查过。

更准确地说，培训阶段包含10％的培训数据，45％的验证数据和45％的测试数据。培训非常成功，对于大量新输入数据，它可以很好地工作。问题是当神经网络中插入非常有限的数据（与训练数据点相比）时，它显示出非常不切实际的输出，超出了它训练的范围。

为什么会这样？有人可以点亮这个棚子吗？

另请注意，是否有关于培训和最终测试数据点的严格（硬性和快速）规则？例如：在新的输入数据集中应该/必须引入多少百分比的训练数据。我想问题是我的网络过高估计或低估了输出，因为与训练阶段相比，它收到的数据百分比非常低。

Answer 1

您的问题是在训练期间过度拟合数据集。数据划分是神经网络训练中非常重要的任务。一般而言，更科学地，训练集的百分比应该在70-80％之间。测试和验证集应各自在10-15％左右。例如：

net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;

你想象一个班上的学生。 TrainRatio是学生应该学习的材料/讲座。 ValRatio是应作为中期检查审查的材料的百分比，TestRatio是应作为期末检查审查的材料的百分比。因此，如果您没有足够的材料进行培训，那么学生在中期和期末考试中就不会成功。清楚吗？神经网络适用于这样一个学习/训练的简单学生。因此，您的网络面临着过度拟合的问题。

神经网络中的输出问题（在MATLAB的神经网络工具箱中）

1 个答案: