
神經(jīng)網(wǎng)絡(luò)測試結(jié)果很差,該怎么做
當(dāng)我們編程實現(xiàn)了神經(jīng)網(wǎng)絡(luò)模型,將模型用于測試集時,經(jīng)常會發(fā)現(xiàn)測試的準(zhǔn)確率非常的低,神經(jīng)網(wǎng)絡(luò)層數(shù)很深,通常我們不容易判斷具體的梯度下降求解參數(shù)的過程,那我們該怎么辦呢?從機(jī)器學(xué)習(xí)視頻中總結(jié)的辦法??!小程序親身體驗過!
首先要明白,測試集上的準(zhǔn)確率低并不一定是過擬合。有可能在訓(xùn)練集上準(zhǔn)確率就很低,也就是說你的模型壓根沒有訓(xùn)練好??!
所以:首先,要用訓(xùn)練好的模型在訓(xùn)練集上跑一遍,如果在訓(xùn)練集上準(zhǔn)確率就很低,那么就不是過擬合,而是欠擬合。
原因是在梯度下降求導(dǎo)時,卡在了local minima(在求導(dǎo)為0,是極小值),saddle point(求導(dǎo)為0,不是極小值),plateau(求導(dǎo)近似為0)上。
解決這個問題可以有兩個做法:1是改變激活函數(shù);2是改變梯度下降求導(dǎo)方式;后邊會詳細(xì)講。
然后:如果在訓(xùn)練集上準(zhǔn)確率很好,在測試集上準(zhǔn)確率低,那么就是過擬合(overfitting)。
解決辦法是:1是早點停止梯度更新;2是更多的數(shù)據(jù)(通過數(shù)據(jù)增強(qiáng)獲得更多數(shù)據(jù));3是正則化(l1-torm和l2-torm);4是Dropout方法。下邊將詳細(xì)介紹。
解決欠擬合的1方法:改變激活函數(shù)。一定程度上,欠擬合是因為激活函數(shù)選擇了sigmoid函數(shù)。對于sigmoid函數(shù)來說,致命的問題就是梯度消失,sigmoid會衰減輸入。梯度消失的含義是:在靠近輸出層的參數(shù)更新梯度很大,在靠近輸入層的參數(shù)更新梯度很小,導(dǎo)致在學(xué)習(xí)率一致的情況下,在靠近輸出層的后幾層參數(shù)更新快,在已經(jīng)收斂的時候,靠近輸入層參數(shù)更新很慢,還是接近隨機(jī)狀態(tài),使得靠近輸出層參數(shù)接收的input接近隨機(jī)。
我們換用RELU激活函數(shù)就可以解決梯度消失的問題。在input<0時,output = 0, 在input>0時,output = input,這樣在計算時,參數(shù)會少于整體神經(jīng)元個數(shù),RELU計算很快。Leaky RELU、Parametric RELU等是RELU的變種,用RELU可以解決一般欠擬合。
另外maxout也是一種激活函數(shù),RELU是maxout的一種特例,它可以實現(xiàn)每個神經(jīng)元都有自己不同的激活函數(shù),但是maxout參數(shù)多于其他激活函數(shù)(因為每有一個輸出,都要在一組給定數(shù)目的輸出(參數(shù))中選擇一個最大的作為輸出,而其他的激活函數(shù),都是給一組參數(shù),產(chǎn)生一個輸出)。雖然參數(shù)變多了,但是在訓(xùn)練時,我們梯度下降只更新一組輸出中選出的那個輸出對應(yīng)的參數(shù)?。。?!并且訓(xùn)練集數(shù)據(jù)很多,每個數(shù)據(jù)都會梯度更新不同的參數(shù)。maxout是根據(jù)數(shù)據(jù)自動學(xué)習(xí)權(quán)重,模型參數(shù)訓(xùn)練好了,模型固定了,也就得到不同的激活函數(shù)。
解決欠擬合方法2:改變梯度下降策略;
可以嘗試其他的梯度下降函數(shù),比如Adagrad、RMSProp、Momentum、Adam(=Momentum+RMSProp),它們按照一定權(quán)重考慮了新梯度值和舊梯度值。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10