Weka多層感知器分類器中的參數

Question

我正在用Weka多層感知器做一些實驗，並且我有一些與其參數有關的問題。我查看了幫助文檔，但無法理解：

• 什麼是nominalToBinaryFilter？如何使用？

• normalizeAttribute：我認爲這是爲了將特徵的值縮放到[-1，1]的範圍。但是，如果數值不是數字，例如天氣數據集，它們是如何做到的。

• reset：如果當前的訓練過程發散並且以較低的學習速率再次開始，這將重置。我們應該減少目前的學習速度多少？ （如何識別下一個學習速率）

• 初始權重：這不是一個參數，但它們如何初始化權重？它是對稱的嗎？（像[-ε，+ε]內的值）？

Answer 1

它一直以來我用WEKA一段時間，但這裏是我對子彈2,3和4評論這似乎對你有用：

子彈2：標準化是不適用於分類（非數值）屬性，所以你不必擔心這個參數。

項目符號3：默認情況下重置將學習率設置爲一半。學習率的調整取決於許多因素，如果您認爲自己沒有被默認方法覆蓋，我建議您搜索學術文章。從我experiecnce，經驗法則是改變在0.1

子彈4的步驟學習率：初始權重小的隨機數不相同的

Answer 2

我知道這是很老，但想補充關於項目符號4： 種子參數用於種子隨機數發生器，隨後用於生成隨機初始權重。因此，如果您想探索初始權重的敏感度，您可以在這裏使用不同的值。