神經網路做分類器，選參數的問題？
樣本有54萬個，有300個特徵，想分成三類，我做的是輸入300個節點，輸出3個節點，但是中間的隱層數還有隱層的節點個數我嘗試了很多，分類結果都是分的很不明顯，三組數字都是0.5多一點點，想問大神我應該把參數設在哪個範圍
這是玄學問題_(:3」∠)_窩萌都是調參前洗個臉，拜拜佛祖_(:3」∠)_
希望對你有用(=?ω?=)
在神經網格搭建過程中，每層最基本的參數有layer/node/activation，這些是隱藏層都需要確定的參數；在神經網路整體結構中dropout/optimizer/learning rate/迭代次數對整體網格結構有比較大的影像，甚至loss function（交叉熵、梯度下降）都會對神經網格有影響。受限於計算量，先根據自己可接受的計算量75%連接神經元設計好隱藏層與每層的神經元個數，搭建好神經網格結構之後再進行optimizer/dropout/activation的調參選擇。
神經網路的參數除了隱層數，隱層節點數，還有很重要的權值，閾值和激活函數呀。權值和閾值可以通過優化方法修正。激活函數也可以用不同的函數試一試吧。
網格搜索
然後還有batch size吧最近被一個NN模型搞瘋。。。結果不如人意啊，跳來跳去，感覺也不會有顯著提升。。。。所以乾脆換個思路，比如input data的smoothing之類的。。。。（DL博大精深啊搞不懂/(ㄒoㄒ)/~~
你中間還有其他參數呢，dropout/activation/optimizer？光調隱層數和node數，能調出個鬼啊
BP網路誰不會搞
重點就在於調參
是不是過擬合了。
人工智慧啊！
有多少人工，就有多少智能
調參，是一個苦力活。
trial and error
推薦閱讀：
