Question

我的数据集包含150个独立变量和10个预测变量或响应。问题是要找到输入和输出变量之间的映射。有1000个数据点，其中70％我用于培训，30％用于测试。我正在使用具有10个隐藏神经元的前馈神经网络，如本Matlab document中所述。我正在使用

命令评估性能

perf_Train = perform(net,TrainedData',lblTrain')

YPred = net(XTest);
perf_Test = perform(net,YPred,lblTest')

基本上给出了训练和测试的实际和预测（估计）响应之间的均方误差。我的测试数据无法正确拟合训练后的模型，但是训练数据非常合适。

问题1 ：我的训练成绩始终低于测试成绩指标，即perf_Train = 0.0867和perf_Test = 0.567

这是过度拟合还是不足？

问题2 ：如何使测试数据正确拟合？理论上说，要克服过度拟合和拟合不足，我们需要进行正则化。是否有任何参数需要输入到函数中，例如正则化以克服此问题？

Answer 1

由于训练误差小于测试误差，因此过拟合。我建议为您的训练设置更少的纪元（迭代）或使用更少的训练数据。我还建议检查一下随机抽取的训练数据和测试数据。

对于调节，可以这样设置：

net.performParam.regularization = 0.5;

性能比取决于型号，0.5仅是示例。