神经网路做分类器，选参数的问题？

样本有54万个，有300个特征，想分成三类，我做的是输入300个节点，输出3个节点，但是中间的隐层数还有隐层的节点个数我尝试了很多，分类结果都是分的很不明显，三组数字都是0.5多一点点，想问大神我应该把参数设在哪个范围

这是玄学问题_(:3」∠)_窝萌都是调参前洗个脸，拜拜佛祖_(:3」∠)_

希望对你有用(=?ω?=)

在神经网格搭建过程中，每层最基本的参数有layer/node/activation，这些是隐藏层都需要确定的参数；在神经网路整体结构中dropout/optimizer/learning rate/迭代次数对整体网格结构有比较大的影像，甚至loss function（交叉熵、梯度下降）都会对神经网格有影响。受限于计算量，先根据自己可接受的计算量75%连接神经元设计好隐藏层与每层的神经元个数，搭建好神经网格结构之后再进行optimizer/dropout/activation的调参选择。

神经网路的参数除了隐层数，隐层节点数，还有很重要的权值，阈值和激活函数呀。权值和阈值可以通过优化方法修正。激活函数也可以用不同的函数试一试吧。

网格搜索

然后还有batch size吧最近被一个NN模型搞疯。。。结果不如人意啊，跳来跳去，感觉也不会有显著提升。。。。所以干脆换个思路，比如input data的smoothing之类的。。。。（DL博大精深啊搞不懂/(ㄒoㄒ)/~~

你中间还有其他参数呢，dropout/activation/optimizer？光调隐层数和node数，能调出个鬼啊

BP网路谁不会搞

重点就在于调参

是不是过拟合了。

人工智慧啊！

有多少人工，就有多少智能

调参，是一个苦力活。

trial and error