9

我正在制作一个使用 encog 预测足球比赛结果的程序。我创建了一个神经网络，使用弹性传播训练方法用 90 个匹配的数据对其进行训练。我将比赛结果标记为 1 代表主场获胜，0 代表平局，-1 代表客场获胜。

问题在于预测。有时我得到 50% 的成功率，有时我得到低至 33%。这就像使用随机函数。我注意到的是，几乎总是最能预测的结果是 1（大约 70%）。我试过改变隐藏层的数量，训练的数量，但没有运气，它仍然在振荡。如果我做错了什么，任何人都可以帮助我或将我指向正确的方向。

这是神经网络的代码。我正在从数据库中获取训练数据和预测数据。

Predictor(NeuralDataSet trainingData){
    trainingSet = trainingData;
    network = new BasicNetwork();
    network.addLayer(new BasicLayer(16));
    network.addLayer(new BasicLayer(3));
    network.addLayer(new BasicLayer(1));
    network.getStructure().finalizeStructure();
    network.reset();
}

训练

public void train(int epoch){
    int i =0;
    final Train train =new ResilientPropagation(network,trainingSet);
    while(i<=epoch){
        train.iteration();
        i++;
    }

}

预测

public void successRate(NeuralDataSet trainingData){
    int counter = 0;
    int correct = 0;
    int home=0;
    int away=0;
    int draw=0;
    for(MLDataPair pair: trainingData ) {
        final MLData output = network.compute(pair.getInput());
        if(pair.getIdeal().getData(0)==Math.round(output.getData(0)))
            correct++;
        counter++;
    }
    System.out.println((double)correct/(double)counter);
}

1.）我正在将数据提供给神经网络 1000。由于事情变得更好，目前正在测试更多/更少。

2,3.) 我有 16 个输入参数。它们包括：主队积分、主队主场胜、平、负、主队总赢、输、平和状态（最近 5 场比赛的得分）。相同的数据仅适用于客队，而不是使用主队主场胜、平、负客队客场胜、平、负。我将尝试使用不同的训练数据。

4

1 回答 1

5

鉴于信息，很难说什么是错误的，可能有多种原因。但这里有一些潜在的解决方案。

1）您将训练数据输入神经网络多少次？通常，您需要多次传递训练数据以使网络收敛。一次是不够的，尤其是如果您只有 90 个训练数据。

2）训练数据中有多少输入参数（它们是什么）？通常，您需要将隐藏层节点的数量调整为输入参数的数量。对此没有硬性规定，但我通常从至少两倍的隐藏层节点数作为输入参数开始。

3）您是否尝试过选择不同的测试数据？我假设您的训练和测试数据不同。您选择的测试数据可能有问题，因为它们与训练数据完全不匹配。也可能完全有可能无法从您的方法中获得任何可靠的估计。您的输入参数可能完全不足以预测谁会赢得任何给定的比赛。这是垃圾进，垃圾出，概念。

于 2012-08-16T14:03:54.923 回答