WEKA和ScikitLearn多层感知器给出了不同的结果

Question

所有人

我正在用多层感知器进行一项研究。 我以前使用WEKA运行这个程序，但是出于各种原因，我已经迁移到了python中的scikit-learn。在

我试图将我的预测结果在WEKA中复制到scikit learn中，因此我制作了一个具有完全相同学习速率、动量、隐藏层等的精确感知器 然而，这两个平台的预测结果却不同。有人能给我解释一下这件事吗？在

我唯一注意到的是scikitlearn使用lbfgs、adam和sgd来优化其连接权重，而WEKA使用反向传播。但这可能是唯一的原因吗？还是另有原因？在

谨致问候

Answer 1

如果你用不同的优化器训练一个神经网络，它肯定会得到不同的结果。这种差异可以是微小的，也可以是巨大的。所有的神经网络优化算法都使用反向传播，即LBFGS、Adam和SGD都使用反向传播。而且-一般来说-训练相同的神经网络两次可能不会给你相同的结果-这是因为大多数优化器（至少值得你花时间）采取部分随机步骤。在