具有线输出权重可靠性的 Encog 回归。（错误考虑）答案

【问题标题】：Encog regression with line output weight reliability. ( for error ponderation )具有线输出权重可靠性的 Encog 回归。（错误考虑）
【发布时间】：2017-02-11 21:38:25
【问题描述】：

我正在使用 Encog 和 AutoMPGREgression 示例进行一些测试：

https://github.com/encog/encog-java-examples/blob/master/src/main/java/org/encog/examples/guide/regression/AutoMPGRegression.java

我的问题很简单，有没有办法为数据 CSV 行的输出设置权重可靠性？

事实上，某些数据样本可能比其他样本更可靠，因此对于不可靠的线数据，我们应该告诉 Encog，如果神经网络与该输出不匹配，这并不重要。

AutoMPGRegression 样本 csv 数据的提取：

18.0   8   307.0      130.0      3504.      12.0   70  1    "chevrolet chevelle malibu"

15.0   8   350.0      165.0      3693.      11.5   70  1    "buick skylark 320"

18.0   8   318.0      150.0      3436.      11.0   70  1    "plymouth satellite"

我想告诉Encog，对于第2行，输出值“15”有50%的fiability，所以应该考虑该行的错误。

感谢您的帮助，矩阵

【问题讨论】：

@Gama11 or trix 什么是fiability？
@YuraZaletskyy 通过可靠性/可靠性我的意思是，对于给定的输入，我们或多或少地确定我们有那个输出。

标签： java artificial-intelligence regression encog

【解决方案1】：

好问题！您要问的实际上是对异常值的正确分类：当教学数据中的一小部分不能很好地表示整个训练数据时。通常，神经网络很好地理解两个异常行在某种程度上是异常值，并且在没有你帮助的情况下“理解”它。如果你有 1 - 5 % 的异常值，神经网络或多或少会在没有你帮助的情况下忽略它们。在我的一些测试中，神经网络甚至能够“忽略”10% 的异常值。换句话说，神经网络会将异常值视为噪声。您真正需要的是确保您的训练集和验证集具有大致相似的异常值百分比。

【讨论】：