如何使用h2o.deeplearning（）在一般情況下找到最優數量的紀元？

Question

正如我剛開始學習有關的神經網絡模型，我想知道，假如我有分類問題的數據集，我使用

churn_model <- h2o.deeplearning(x = setdiff(names(churn), names(churn)[10]), 
          y = names(churn)[10], 
          training_frame = churnTrain, 
          validation_frame = churnValidation, 
          distribution = "multinomial", 
          activation = "RectifierWithDropout", 
          hidden = c(200,200,200), 
          hidden_dropout_ratio = c(0.1, 0.1, 0.1), 
          epochs = 50 , stopping_rounds = 0, 
          l1 = 1e-5) 

那麼，如何可以通過任何功能或東西是什麼，將決定是我可以使用的時代的數量？

Answer 1

通常情況下，你估計它是憑經驗。以最初的大量迭代/時期開始訓練，並在觀察過度擬合時停止訓練，即驗證錯誤在訓練錯誤消失時升高。這被稱爲早期停止。

如果您未觀察到過度擬合，請增加迭代次數，直至驗證錯誤穩定。