我正在尝试使用RBF来解决分类问题。输入矩阵的大小为40,000 x 2,500，输出矩阵的大小为25 x 2,500。输出矩阵仅包含0和1。
如大多数示例中所述，RBF可以在训练数据中提供100％的准确性，因此在我的情况下也是如此。但是，当我使用新的输入矩阵（40,000 x 2,500维度，通过模拟网络在nntool中）测试网络时，准确性非常差。我尝试过各种各样的SPREAD值，但没有一个能够帮助推广网络。
输入数据集值介于-960.0到+960.0之间。
我尝试过的SPREAD值很少包括：
5e-9, 5e-6, 0.005, 0.01, 0.25, 1.0, 5.0, 100.0, 450.0
一些论坛建议使用无监督网络对输入数据进行聚类，并使用聚簇数据作为RBF的输入。我已经使用 k-means聚类与25个群集，但结果却是徒劳的。
有人可以建议如何改善RBF的测试准确度吗？
提前致谢!!
答案 0 :(得分：0)
RBF隐藏层更易于以无监督的方式进行训练，可以使用k均值或K-NN来找到中心，对于 spread 参数，您可以计算每两个最近的群集的中心之间的距离的平均值。 现在让N为样本数，理论上RBF网络至少需要N / 2个中心（隐藏节点）。您的输入大小为40,000，并且您只有25个k均值中心，请再次对20000个聚类进行处理，然后看是否有效。您的隐藏层大小太小。据我所知，输出层的权重应采用监督方式进行计算，并据此进行梯度下降。