我开始在神经网络中学习和编程有一段时间了,但我从未读过关于必须在数据集中收集的最少观察次数才能获得可靠结果的信息。当然,更多的观察结果更好,但是,变量和观察数之间是否存在经验或理论关系?
我的意思是,在计量经济学中,你都不能计算最小的观察次数,但它确实存在一些将外生变量的数量依赖于目标变量的经验法则。
我想知道神经网络中是否也有类似的东西,但是直到现在,在互联网上浏览,我没有发现任何有用的东西。
任何想法、建议或提示将不胜感激。
我开始在神经网络中学习和编程有一段时间了,但我从未读过关于必须在数据集中收集的最少观察次数才能获得可靠结果的信息。当然,更多的观察结果更好,但是,变量和观察数之间是否存在经验或理论关系?
我的意思是,在计量经济学中,你都不能计算最小的观察次数,但它确实存在一些将外生变量的数量依赖于目标变量的经验法则。
我想知道神经网络中是否也有类似的东西,但是直到现在,在互联网上浏览,我没有发现任何有用的东西。
任何想法、建议或提示将不胜感激。
神经网络不过是一组方程。任何一组方程的基本规则是,您必须拥有与参数数量一样多的数据点。
任何神经网络的参数都是它的权重和偏差。
所以这意味着随着神经网络变得越来越深,参数的数量会增加很多,数据点也必须增加。
话虽如此,了解模型是否过拟合的更正确和详细的方法是检查验证误差是否接近训练误差。如果是,那么模型工作正常。如果不是,那么模型很可能是过拟合的,这意味着您需要减小模型的大小或引入正则化技术。