اطلاعیه

Collapse
No announcement yet.

mlp2layer

Collapse
X
 
  • فیلتر
  • زمان
  • Show
Clear All
new posts

    mlp2layer

    سلام
    توی یک دیتابیس که missing data را با صفر جایگزین کرده بعد از حذف مثالهایی که دارای missing data هستند نتایج شبکه نسبت به حالت اول(بدون حذف مثالهای دارای missing data) بدتر شده به نظرتون مشکل چیه؟ راه حلش چیه؟

    #2
    پاسخ : mlp2layer

    نتایج برای کدوم داده ها بدتر شده ؟ آموزش یا تست
    اگه برای تست این اتفاق می افته امکان over fitting هست

    دیدگاه


      #3
      پاسخ : mlp2layer

      برنامه train خیلی سریع آموزش می بینه ولی برنامه تست خوب جواب نمی ده over train نمی شه ولی نمی دونم منظور از over fitting چیه؟

      دیدگاه


        #4
        پاسخ : mlp2layer

        over fitting احتمالا همون over train هست یعنی شبکه آموزش زیادی میبینه طوریکه داده های آموزشی رو عملا حفظ میکنه

        دیدگاه


          #5
          پاسخ : mlp2layer

          منم حدس میزنم مشکل اور فیتیگ در داده های آموزشی باشه ولی جهت بررسی بهتر تعداد داده های Test ، Train نوع شبکه، تعداد لایه ها تعداد ورودی و خروجی و .. را بفرمایید تا بهتر بتونیم راهنمایی کنیم.
          مهم نیست چه مدرکى دارید
          مهم این است که چه درکى دارید . . .

          دیدگاه


            #6
            پاسخ : mlp2layer

            سلام.
            دلایل زیادی میتونه داشته باشه. یکی همون بحث اورفیتینگ یا از دست رفتن حالت عمومیت بخشی هست.
            شاید تعداد داده ها تون خیلی کاهش پیدا کرده و شبکه قادر به یادگیری نیست.
            داده ها تون رو با توزیع یک نواخت به شبکه میدید؟
            موفق باشید
            شأن انسان در ايمان و هجرت و جهاد است و هجرت، مقدمهآ‌ي جهاد فيآ‌سبيلآ‌الله.
            هجرت، هجرت از سنگينيآ‌هاست و جاذبهآ‌هايي كه تو را به خاك ميآ‌چسباند.
            چكمهآ‌هايت را بپوش، رهآ‌توشهآ‌ات را بردار و هجرت كن.

            دیدگاه

            لطفا صبر کنید...
            X