解决人工智能研究中PCA算法每次运行结果不一致的问题

内容目录

PCA算法不稳定的原因代码举例分析:解决方案:

PCA算法不稳定的原因

神经网络算法利用了随机性,比如初始化随机权重,因此用同样的数据训练同一个网络会得到不同的结果。

神经网络特意用随机性来保证,能通过有效学习得到问题的近似函数。采用随机性的原因是:用它的机器学习算法,要比不用它的效果更好。

在神经网络中,随机初始化很常见,比如:最优化的随机性,比如随机优化;正则化的随机性,比如 dropout;初始化的随机性,比如权值

代码举例分析:

以下代码提取三维矩阵640*640*128中的二维640*640,然后对这个二维数组降维输出640*3

输出结果如下:

输出2:

可以看出pca降维算法每次运算结果不同

解决方案:

代码最顶端添加如下四行代码:

再次运行两遍看效果:

发现结果稳定了

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180923G13HBK00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

同媒体快讯

扫码关注云+社区

领取腾讯云代金券