نمايش پست تنها
قديمي ۰۸-۳۰-۱۳۹۲, ۱۰:۲۳ قبل از ظهر   #97 (لینک دائم)
babak_1234 Male
Moderator
 
آواتار babak_1234
 
تاريخ عضويت: شهريور ۱۳۸۸
محل سكونت: تهران
پست ها: 252
تشكرها: 1
140 تشكر در 108 پست
My Mood: Khonsard
پيش فرض

نقل قول:
نوشته اصلي بوسيله abolfazltorbat نمايش پست
بابت پاسختون ممنونم اقا بابک
ببین پروژه من چند تا مرحله داره ،ومرحله اول برازش داده ها ورودی و هدف است که بایستی بدین وسیله من وزن های هر فاکتور رو بدست بیارم و از این نتیجه بگیرم کدام پارامتر در بیماری سرطان خون اهمیت بیشتری دارد مرحله ی دوم پیش بینی این است که با توجه به شرایطی که نمونه های قبلی داشتن ایا بیمار و نمونه ی بعدی زنده میماند یا فوت میکند و در چه سنی .
حالا سوالات من از شما یکی تخمین خطا بود که شما فرمودید از k-fold cross validation استفاده کنم
و سوال دومم هم اینه که اگه شما قرار بود با 2500 نمونه که هر کدوم 20 فاکتور رو دارند یه شبکه انتخاب کنید که بیشترین دقت رو داشته باشه ،کدوم شبکه مد نظر شما می اید ؟
با تشکر .

سلام دوست من

من توی پست قبلی هم گفتم اما فکر میکنم نیاز به کمی توضیح بیشتر دارید.

اول از همه این که انتخاب شبکه بسیار وابسته به نوع داده ها هست. وجود نویز، missing و ... میتونه در انتخاب شبکه شما تاثیر گذار باشه.
داده های شما در فضای ۲۰ بعدی که فرمودید به صورت خطی قابل تفکیک هستند یا خیر؟ که این پارامتر هم بسیار مهم هست.
میزان همبستگی داده های شما به چه صورت هست.
و بسیاری پارامتر دیگر

انتخاب شبکه نیاز به تخصص های دیگری هم داره که توضیحش شاید در اینجا مناسب نباشه. بنابراین یکی از ساده ترین روش ها انتخاب چند شبکه مختلف و آزمایش اونها هستش. به عبارت دیگر روش سعی و خطا میتونه راهکاری برای این کار باشه.

همچنین روش دیگری برای حل این مشکل استفاده از شبکه های عصبی تکاملی هست. با استفاده از راهکار هایی مثل الگوریتم ژنتیک، برنامه نویسی ژنتیکی یا ... شبکه رو برای خودتون به صورت تکاملی بسازید.

موفق باشید.

ويرايش شده توسط babak_1234; ۰۹-۱۱-۱۳۹۲ در ساعت ۰۵:۵۲ بعد از ظهر
babak_1234 آفلاين است   پاسخ با نقل قول
از babak_1234 تشكر كرده است:
abolfazltorbat (۰۸-۳۰-۱۳۹۲)