何时增加隐藏层和隐藏层中的特征数量如果训练本身的误差很高？答案

【问题标题】：When to increase the Hidden Layers and number of features in hidden Layer If error is high in training itself?何时增加隐藏层和隐藏层中的特征数量如果训练本身的误差很高？
【发布时间】：2012-10-12 07:23:43
【问题描述】：

我正在将神经网络用于具有（1 个隐藏层和 10 个特征）的分类任务。

结果不太好。我的训练数据集本身的错误率很高。

我现在该怎么办？

是否需要增加隐藏层中的节点数？会有什么影响？
是否需要增加隐藏层的输入特征数量？会有什么影响？

【问题讨论】：

您的网络中有多少输入和输出？你有多少训练样本？你在做任何交叉验证吗？在不了解您的具体情况的情况下很难给出具体的建议。
输入特征为 6，输出为单个，取 2 个值“YES/NO”。现在我没有做任何交叉验证......我有大约 50 LAKH 训练样本......

标签： machine-learning neural-network

【解决方案1】：

鉴于您网络的当前配置并且对数据集不了解更多信息，我建议添加第二个隐藏层，其中只有几个节点（可能是 4 个）。这将允许生成的决策面类型有更大的可变性（例如，单个类的多个不同的集群）。

即使您正在进行二进制分类，我也会将输出分成两个节点（一个为真，一个为假）并将最大值作为分类结果。我通常会看到这种方式更好的收敛性，并且解释错误更直观。

【讨论】：