我使用 matlab 中的神经网络工具箱来训练我的数据。我使用了四种训练算法，缩放共轭梯度 (SCG)、具有动量和自适应学习反向传播 (GDX) 的梯度下降、弹性反向传播 (RBP) 和 Broyden-Fletcher-Goldfarb-Shanno 准牛顿反向传播 (BFG)。我已经将种子固定在不同的点并获得了准确性。这就是我得到的： 第一列包含特征集的大小。我添加了功能并增加了功能集的大小来分析性能。


最初我对特征进行了排名，然后将前 8 个特征作为一组，将前 16 个特征作为下一组，依此类推。'-' 之前的第一个数字是算法在训练集上的性能，'-' 之后的第二个数字是测试集的准确度。训练集和测试集分别分为 60 个和 20 个。另外 20 个是验证集。每个学习算法都使用相同的种子值运行以修复准确性。

顺便说一句，我已经修复了种子以获得每个结果，就像我使用了 rng(1)、rng(10)、rng(158)、rng(250) 并对结果进行平均以获得一对训练测试精度，我对每一对都这样做了。

如您所见，对于每个单独的训练算法，我在所有特征集大小上都获得了相同的准确度。相同的数据显示了 SVM chen 中的扰动，我更改了集合大小。这是什么意思？