我目前正在尝试用 52 个输入值预测 1 个输出值。问题是我只有大约 100 行可以使用的数据。
与使用具有更多神经元的多层架构相比，使用小型架构会获得更准确的结果吗？
现在，我使用 1 个隐藏层和 1 个神经元，因为我需要解决（在我看来）一个基本的回归问题。
对于小数据集，基本的神经网络架构是否更好？
人工智能
神经网络
人工智能设计
数据集
回归
建筑学
2021-10-22 13:13:22
2个回答
我不知道为给定任务找到最佳 NN 架构的直接方法，但据我所知，推荐的方法是设计一个可以过度拟合训练数据的网络，然后在上面应用正则化它。
这样，您几乎可以确定您没有因网络容量而欠拟合/表现不佳。
当然，过拟合更难！
我的意思是，实际上，必须对数据的生成模型有一些假设，无论是显式的还是隐式的。
我可能会先尝试 1-2 层网络（如果幸运的话，也许你的数据是线性可分的）。
其它你可能感兴趣的问题