【问题标题】:Neural network input ordering, does it matter?神经网络输入排序,有关系吗?
【发布时间】:2016-08-03 19:37:08
【问题描述】:

我见过类似的问题,但大多数都涉及预处理。输入排序的顺序是否重要。例如,假设我有三个特征,每个特征都有三个示例,例如:

[0, 0, 0, .5, .5, .5, 1, 1, 1]

如果它们是这样订购的,会有什么不同吗:

[0, .5, 1, 0, .5, 1, 0, .5, 1]

即输入的顺序是否有任何影响?

谢谢

【问题讨论】:

    标签: java python machine-learning neural-network pybrain


    【解决方案1】:

    首先您的输入应该是 2D:(n_examples, n_feat),所以在您的情况下:

    [[0,.5,1],[0,.5,1],[0,.5,1]]
    

    那么特征的顺序并不重要,只要它在整个训练、分类过程中保持一致即可。所以你也可以使用:

    [[.5,1,0],[.5,1,0],[.5,1,0]]
    

    只要您始终将第一个功能放在其他任何地方。

    【讨论】:

    • 我可能错了,但我认为大多数库只接受一维数组或元组作为输入。
    • 你使用哪个库?
    • 好吧不知道那个。也许将其添加为标签并在您的帖子中再次提及。
    • 但是无论如何,但是库处理批处理(一次运行多个示例),功能的顺序应该是无关紧要的,只要它是一致的
    【解决方案2】:

    它们是不同的张量,当然很重要。

    【讨论】:

    • 你能再解释一下吗?
    • 还有什么? [1,2,3] 和 [3,2,1] 表达的不一样,就这么简单。
    • 给定输入中足够多的训练示例,它不会从 [1, 2, 3] 中学习到与 [3, 2, 1] 相同的模式吗?
    • 没有。除非你的意思是shuffle
    猜你喜欢
    • 2012-01-23
    • 2012-10-05
    • 2010-10-13
    • 2020-08-10
    • 2020-12-28
    • 2012-03-29
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多