如何在使用h2o.deeplearning（）时找到最佳的纪元数？

Question

由于我刚刚开始研究神经网络建模，我想知道，假设我有一个分类问题的数据集，我正在使用

churn_model <- h2o.deeplearning(x = setdiff(names(churn), names(churn)[10]),
                             y = names(churn)[10],
                             training_frame = churnTrain,
                             validation_frame = churnValidation,
                             distribution = "multinomial",
                             activation = "RectifierWithDropout",
                             hidden = c(200,200,200),
                             hidden_dropout_ratio = c(0.1, 0.1, 0.1),
                             epochs = 50 , stopping_rounds = 0,
                             l1 = 1e-5)

那么我如何通过任何函数或什么来确定我可以使用的纪元数量呢？

Answer 1

通常，你根据经验估计。使用最初的大量迭代/时期开始训练，并在您观察到过度拟合时停止训练，即在火车错误消失时验证错误会上升。这被称为提前停止。

如果您没有观察到过度拟合，请增加迭代次数，直到验证错误变得稳定。