虽然神经网络的结构保持不变(即输入和隐藏神经元的结构相同,激活函数相同,用于学习的数据相同),但模型的输出变量数目减少了模型的精度。
嗨,我运行了一个形状(22,20,8)的神经网络,得到的均方根值为5.048,R2为0.925,其中一个输出变量预测对新数据的准确率为98%。但是我欺骗我不需要所有的8个输出(只有4个是感兴趣的),所以我再次运行模型的形状(22,20,4),得到的均方根值为8.20,R2为0.62,变量的精度为75%。
如果im只更改输出,这如何影响模型ive已经创建的准确性?我使用相同的数据,所以从模型中学到的关系肯定是相同的,因此对相同的其余4个变量的预测也是一样的?为什么更改输出会对模型产生如此大的影响?谢谢
发布于 2019-05-29 02:25:55
如果我只是改变输出,这如何影响我已经创建的模型的准确性?
作为你的问题,你一定已经意识到模型的准确性发生了变化。此行为与预期如出一辙,因为您正在更改模型。
当你用4 outputs
而不是8 outputs
对模型进行再培训时,学习到的关系与8个输出的模型不同。
改变即使是小的因素,如初始权重和偏差,各种初始化的随机状态和任何其他可调参数,肯定会导致准确性的变化。
在你的例子中,架构的改变(大的改变)将会并且已经对结果产生了很大的影响。
https://stackoverflow.com/questions/56356964
复制相似问题