mahdipour

سلام، خسته نباشید
من یک برنامه برای دسته بندی داده ها با استفاده از شبکه عصبی mlp نوشتم (برنامه مربوط به شناسایی آتش است) دقت کلاسیفایر برای داده های train به 99 درصد می رسد اما حداکثر دقت برای داده های تست 40 درصد است. کارهایی که تا الان انجام دادم: نرمالایز سازی داده های ورودی، تغییر بازه وزنها، تغییر تعداد نرونها و ضرایب نرخ آموزش، تغییر ترتیب داده ها و هم زدن داده ها، ولی باز هم جواب به همین شکل است. میشه لطفا راهنمایی کنید چطور دقت کلاسیفایر را بالا ببرم؟؟؟
ممنون

houbare

با rbf جواب میگیری

mahdipour

مرسی از پاسختون، ولی من دارم یک مقاله را شبیه سازی می کنم که فقط از mlp با آموزش پس انتشار خطا استفاده کرده و جوابهایش برای حالات مختلف از 60 درصد تا 99 درصد است. ولی من برای داده های تست به حداکثر 45 درصد رسیدم )-:

tavakkoli64

وقتی این قدر اختلاف دقت بین داده های آموزشی وتست وجودداره نشون میده که یا روش استخراج ویژگی شما مناسب نبوده ویا داده های تست شما آلوده به نویز هستند ویا حجم داده های آموزشی پایینه.

michel

با سلام
درمورد شبکه شما چند مشکل میتونه وجود داشته باشه
1. روش استخراج ویژگی تون رو درست انتخاب نکرده باشید. درسته درصد آموزش بالاست، اما این میتونه نشون دهنده این باشه که شبکتون داده های ورودی رو حفظ کرده
2. نمونه های آموزش رو درست انتخاب نکرده باشید
3. پارامترهای شبکه رودرست تنظیم کرده باشید ( مثل تعداد لایه های پنهان و تعداد نرونهاشون، تعداد epoch، مقدار mseو...)
موفق باشید

astudio

سلام
این طور که شما می گویید شما overfiting دارید.اگر برای تقسیم داده های آموزشی و تست از crossvalidation استفاده نکرده اید احتمالا به همین دلیل است.و اگر استفاده کرده اید شاید خصوصیات انتخابی درست انتخاب نشده اند.

__________________

mohammadrezaseifi

salam
mikham az shabeke asabi baraye credit scoring stefade konam. kasi kare moshabeh anjam dade! age anjam dadid, mitonam mfile karetoon ro dashte basham
kheili mamnoon misham age javab bedin
mohammadreza.seifi@gmail.com

Neko

سلام به همه... من یه کار classification باید با شبکه عصبی انجام بدم، که توش ۳ تا شبکه با هم ensemble میشن. من با شبکه کار کردم قبلا، ولی classification نبوده. میشه یکم راهنماییم کنین، چطوری میتونم از leave-one-out crossvalidation استفاده کنم؟ و از چه شبکه ای استفاده کنم بهتره؟ چطوری میتونم posterior probability عضویت در هر کلاس رو از خروجی های شبکه بگیرم؟ ضمنا بگم که کارا من یجورایی تشخیص هویت با امضاست. یعنی باید تو خروجی شبکه اسم فرد امضا کننده رو داشته باشیم.