Python-Tflearn机器学习优化程序,损失和参数

2024-03-28 15:13:46 发布

您现在位置:Python中文网/ 问答频道 /正文

在修复代码并准备好培训数据之后,我发现自己面临两个问题。你知道吗

背景: 我有第一列的日期(每分钟一个条目)和第二列的拥塞(值,介于0和200之间)的数据。我的目标是把它输入到我的神经网络中,这样就能够预测下一周每分钟的拥塞情况(我的数据集有超过10米的入口,我不应该有缺少训练数据的问题)。你知道吗

问题: 我现在有两个问题。首先是关于损失,优化器和线性。似乎有一定数量的,他们都有一个领域,他们比其他更好,你会推荐哪一个为这个项目?(目前在我的测试中,我使用Adam作为优化器,使用均方作为损失,使用线性作为激活)。你知道吗

我的第二个问题更像是我的一个错误(可能与我使用错误的loss/optimizer有关)。当使用我的代码(目前有10000个训练数据)时,我的准确度为0,低损失(0.00X)和糟糕的预测(甚至不接近现实)。你知道它是从哪里来的吗?你知道吗


Tags: 数据项目代码目标数量错误情况条目
1条回答
网友
1楼 · 发布于 2024-03-28 15:13:46

你要做的就是时间序列预测(给定时间t-n,t-(n+1)的数据)。。。t-1:预测时间t)的状态,通常是递归神经网络的一项任务。Here是Andrej Karpathy关于这个主题的一篇很好的博客文章,你应该看看。你知道吗

关于你的两个问题:

  1. 这很难回答,因为使用什么优化器在很大程度上取决于输入数据。一般来说,无论使用什么优化器,网络都会收敛。然而,收敛所需的时间会有所不同。自适应学习率方法,如Adagrad、Adadelta和Adam,往往收敛速度稍快。Here是对不同优化器的一个很好的总结。

  2. 基本神经网络(MLPs)不能很好地进行时间序列预测。这将是一个低精度的解释。但是我不知道为什么损失是0。

相关问题 更多 >