我正在尝试查找在八度执行的神经网络模型的最佳参数，该模型用于二进制分类和122个特征（输入）和25个隐藏单位（1个隐藏层）。为此，我有4个矩阵/向量：
size(X_Train): 125973 x 122
size(Y_Train): 125973 x 1
size(X_Test): 22543 x 122
size(Y_test): 22543 x 1
我已经使用了20％的训练集来生成验证集（XVal和YVal）
size(X): 100778 x 122
size(Y): 100778 x 1
size(XVal): 25195 x 122
size(YVal): 25195 x 1
size(X_Test): 22543 x 122
size(Y_test): 22543 x 1
目标是生成NN的学习曲线。我已经（艰难地xD）了解到，这非常耗时[strong]，因为我为此使用了Xval和X的完整大小。
我不知道是否有其他解决方案。我正在考虑减小训练向量X的大小（例如，像5000个样本），但是我不知道是否可以这样做，或者结果是否会偏颇，因为我只会使用训练集的一部分？
最好
答案 0 :(得分：1)
以上参数的总数约为3k（122 * 25 + 25 * 1），对于一个示例来说，这并不庞大。由于示例数量很多，因此您可能希望使用随机梯度下降或小批量而不是梯度下降。
请注意，Matlab和Octave通常较慢，尤其是在使用循环时。 您需要编写使用矩阵运算而不是循环的代码，以便在Matlab / Octave中管理速度。