نمايش پست تنها
قديمي ۰۳-۱۷-۱۳۹۳, ۰۹:۲۳ قبل از ظهر   #2 (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 fereshteht نمايش پست
با سلام
چند وقتی است که با شبکه عصبی در حال مدلسازی هستم ولی متاسفانه هیچ وقت نتایجم خوب نمیشه تا این که کسی بهم گفت که داده هات نسبت به هم بدرفتارن و باید با آنالیز حساسیت پیشرفته این سری داده ها رو شناسایی و حذف کنم. متاسفانه این روش رو اصلا بلد نیستم. لطفا اگه کسی میدونه یا کدی داره بهم کمک کنه.فقط 3ماه تا دفاعم مونده
سلام دوست من

من نمیدونم بدرفتاری داده ها نسبت به هم به چه معنی هستش. اما فکر میکنم با یکسری تحلیل ها بتونید به نتایج خوبی برسید.

۱- به طور مثال میشه از شبکه SOM برای تحلیل داده ها استفاده کرد. با استفاده از این شبکه میتونید تشخیص بدین که چقدر کلاس ها شما با یکدیگر overlap دارند.
۲- با استفاده از تکنیک هایی مثل LDA داده های خودتون رو تصویر (projection) کنید. برای این کار میتونید از معیار fisher هم استفاده کنید.
۳- تکنیک های دیگری هم مثل OLAP برای تحلیل داده ها میتونه خیلی موثر باشه.
۴- بعضی اوقات داده ها با انتقال به یک فضای جدید میتونن به طور خطی از هم جدا بشن. از روش های بر مبنای کرنل یا روش چند جمله ای یا ... میتونید استفاده کنید.
۵- در بعضی موارد با یک گام Feature generation میشه به نتایج خیلی بهتری رسید.
۶- گاهی ممکنه داده ها دارای ابعاد زیادی باشن که در این مواقع با مساله curse of dimensionality یا overfitting مواجه هستین. روش هایی مثل PCA یا SVD برای کاهش ابعاد میتونه خیلی موثر باشن.
و...

البته فراموش نشه که گاهی شبکه مورد استفاده ممکنه ایراد داشت باشه و برای داده های شما خوب کار نکنه و یا اینکه استراتژی آموزش شما مشکل داشته باشه.

موفق باشید.
babak_1234 آفلاين است   پاسخ با نقل قول