0

我试图将多个样本分类为 1 或 0，但是当使用随机梯度下降作为优化算法时，所有样本都被分类为 1 或 0。

使用默认值 (L-BFGS) 时，它按预期工作并将样本分类为 1 和 0。我尝试调整动量、学习率、批量大小、衰减和误差系数，但每次的误差都是相同的。任何帮助将不胜感激！

num_feats = X_train.get_num_features()
layers = DynamicObjectArray()
layers.append_element(NeuralInputLayer(num_feats))
layers.append_element(NeuralLogisticLayer(16))
layers.append_element(NeuralLogisticLayer(8))
layers.append_element(NeuralSoftmaxLayer(2))

MLP = NeuralNetwork(layers)
MLP.set_gd_momentum(0.9)
MLP.set_gd_learning_rate(0.001)
MLP.set_gd_mini_batch_size(200)
MLP.set_optimization_method(0)

MLP.set_l2_coefficient(1e-4)
MLP.set_epsilon(1e-8)
MLP.set_max_num_epochs(200)

MLP.quick_connect()
MLP.initialize_neural_network()
MLP.set_labels(y_train)

MLP.train
conf_mat_MLP = acc.get_confusion_matrix(y_pred_MLP, y_test)
print(conf_mat_MLP)

印刷：

[[2400    0]
[ 314    0]]

声明 SGD 而不是 L-BFGS 的行：

MLP.set_optimization_method(0)

注意：我在 Scikit-learn 和 Weka 中以相同的方式使用了随机梯度下降和完全相同的训练/测试集——两者都不会产生这个错误，所以我希望这与我的配置方式有关算法，但我不知道是什么！

潜在有用的链接 -

文档： http ://www.shogun-toolbox.org/api/latest/classshogun_1_1CNeuralNetwork.html

来源： http ://www.shogun-toolbox.org/api/latest/NeuralNetwork_8h_source.html

4

1 回答 1

1

您应该（显着）降低您的小批量大小 - 尝试使用 20 左右。

于 2018-03-06T14:32:52.940 回答