大数据集的WEKA多层感知器
大数据集的WEKA多层感知器
提问于 2018-04-27 10:44:33
我刚开始使用WEKA进行数据挖掘。
我正在使用大型数据集(90个实例的2000+属性)尝试数据集，并保留默认参数。
为什么多层感知器在具有2000+属性的数据集上运行时间很长？在相同数据集的情况下，最近邻在速度方面做得更好。
MLP中的hiddenLayer如何影响训练集的速度和精度？
在运行如此大的数据集时，最推荐的方法是什么，还是根本没有？
回答 1
Data Science用户
回答已采纳
发布于 2018-04-27 11:46:55
这是很多属性。此外，WEKA隐藏层的默认MLP大小为"a"，其中提供了下列预设大小：
- A=(特性+类)/2
- I=特征
- O=类
- T=功能+类。
预计MLP将需要更长的时间。有些事情你可以尝试：
- 使用PCA等降维方法来减少特征数
- 如果使用k折叠交叉验证，则减少折叠数。
- 减少隐藏层的大小(这可能会对精度产生负面影响)
- 使用另一个模型，比如支持向量机，这样会快得多。
我建议通过这个高层次介绍到神经网络。在解决问题之前，重要的是获得一些关于您正在使用的模型和可用选项的直觉。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/30935
复制相关文章
相似问题
腾讯云开发者
