訓練好的和壞的預測

Question

我寫了一個代碼爲神經網絡預測...

在訓練中的錯誤是好的（低於1％），但預測誤差較高（約20％ ）...我認爲我的網絡過度訓練，但我不知道一種方法來解決這個問題...我已經改變了層數，神經元數量和訓練功能，但結果並沒有改變...

所以我把我的代碼在這個論壇，並希望得到它的答案： link text

這個zip文件包含2個文件：

1的用於DATAS Excel文件：用於訓練的輸入線1-4，用於訓練輸出線5（第6行是輸出，但在此代碼沒有使用），用於測試輸入，線11線7-10用於測試輸出。

2- MATLAB代碼

運行程序4圖表後出現：第一行是用於訓練數據和第二行所測試DATAS。

如果有人知道答案，請更改我的代碼，並把它再次。

非常感謝。

編輯：

更多描述：

我必須爲每個用於...線6（第2輸出）這個碼具有可接受的結果，但對於第5行沒有良好結果2輸出和兩個碼.. 。

請更改我的代碼，並在其應用您的建議，並把它放在這裏，如果你認爲你的建議是有用的...我收到了一些建議，是對結果沒有影響一般解決方案的其他論壇...

Answer 1

如果你相信問題可能是過度訓練，嘗試訓練他們，直到他們有5％，10％的錯誤，而不是1％。錯誤百分比越低，他們的概括就越困難 - 他們只知道要確切地承認你給他們的東西。

Answer 2

當人們提到你很可能過度擬合ANN訓練數據。根據數據集的不同，如果訓練數據足夠長，您可能會得到任意適合的訓練數據。另一個問題可能是訓練數據不能正確表示問題空間。即測試數據中的輸入與您用於訓練的數據非常不相似。如果是這樣的話，人工神經網絡無法充分發揮作用。

爲了克服過度擬合，試試這個。將數據分成3組;培訓，驗證和測試。雖然訓練ANN也會計算驗證集上的錯誤。如果驗證集沒有改進，比方說，5個時期（你總是可以配置這個），然後停止訓練。

此外，作爲一般的觀點。我沒有機會查看您的數據和源代碼，但請記住，您需要大量的數據才能獲得良好的結果。如果你只有幾個數據點，那麼很難/不可能取得好的結果。

我建議你閱讀指南here爲人工神經網絡的許多方面很好的概述。

祝你好運！

Answer 3

如果使用Matlab的嘗試與貝葉斯正，而不是默認的Levenberg-Marquardt算法（net.trainFcn =代替trainlm「trainbr」）培訓網絡