如何找到每个隐藏层中的隐藏层和神经元的数量以进行回归？

Question

我读过一些文章和文章，内容涉及为分类问题找到正确数量的隐藏层以及每个隐藏层中的神经元数量。但是，我找不到任何有关回归的信息吗？

有人可以帮忙解释其中隐藏层和神经元的正确数量吗？

Answer 1

对于其中的隐藏层和神经元“正确”数量没有计算。

试图通过调整隐藏层和神经元的数量来找到最佳模型是一个非常困难的优化问题。最好的模型是具有最高准确度（在分类的情况下）或最小损失（在压制的情况下）等的模型。要找到这样的模型，当前的方法是使用跟踪和错误或根据过去的经验来确定参数。 / p>

参数优化是一个新的研究领域，其中使用算法来尝试寻找可以生成最佳模型的最佳超参数（隐藏层，神经元，learning_rates等）。

Here's的一项研究论文，利用粒子群优化（PSO）尝试寻找最佳超参数。

Answer 2

@skillsmuggler 指出：

  

没有计算或公式，也没有找出层/神经元的数量，其踪迹以及带有参数定制和优化的错误。

我认为有一个参数可能会影响层/神经元的数量及其数据集的大小。 如果数据集的大小相对较小，则网络的大小不应“很大”（根据我的经验），否则您的模块很快就会变得过拟合。

您可以阅读“ How to prevent Overfitting in your Deep Learning Models”以了解更多信息。