machine-learning - 何时增加隐藏层和隐藏层中的特征数量如果训练本身的误差很高？

Question

我正在使用神经网络进行分类任务（1 个隐藏层和 10 个特征）。

结果不太好。我的训练数据集本身的错误率很高。

我现在该怎么办 ？

1. 我需要增加隐藏层中的节点数吗？会有什么影响？

2. 我是否需要增加隐藏层的输入特征数量？会有什么影响？

Answer 1

鉴于您网络的当前配置并且不了解数据集的更多信息，我建议添加第二个隐藏层，其中只有几个节点（可能是 4 个）。这将允许生成的决策表面类型有更多的可变性（例如，单个类的多个不同的集群）。

即使您正在进行二进制分类，我也会将输出分成两个节点（一个为真，一个为假），并将最大值作为分类结果。我通常会看到这种方式更好的收敛，并且解释错误更直观。