作为机器学习的新手，我有一些基本的问题。
所以我有一小部分项目数据集，其中包含大量属性，可能会影响产品价格，也可能不会影响产品价格，以及每个项目的价格。
我应该如何设置synaptic来创建定价引擎，以便根据部分或全部属性估算新项目的价格？具体来说，我应该为库配置什么样的神经网络。
例如 - 在突触的演示中，我看到它使用了一个感知器架构 - 什么适合我的情况，我应该设置什么样的结构来试验。
答案 0 :(得分：1)
我有小型项目数据集
然后你不应该使用神经网络。特别是在这种场景中，存在很多变量。您的网络只会记住一些测试用例，并且无法找到真正的持续模式。
如果您设法使用大型数据集，则perceptron architecture类型是一个不错的选择。你必须试验一下层数和神经元数量在测试用例中的效果最好。
还要知道，对于Synaptic，您必须在0和1之间扩展输入。如果项目上的某个属性不活动，请使用输入0。输出（价格）也应该在0和1之间缩放。例如，将价格除以100000（取决于之前的成本）。
使用var network = new Architect.Perceptron(n_variables, hiddenlayersizes, output_size)创建感知器，然后使用trainer来训练您的测试用例。