训练好的和坏的预测

我写了一个代码为神经网络预测...训练好的和坏的预测

在训练中的错误是好的（低于1％），但预测误差较高（约20％）...我认为我的网络过度训练，但我不知道一种方法来解决这个问题...我已经改变了层数，神经元数量和训练功能，但结果并没有改变...

所以我把我的代码在这个论坛，并希望得到它的答案： link text

这个zip文件包含2个文件：

1的用于DATAS Excel文件：用于训练的输入线1-4，用于训练输出线5（第6行是输出，但在此代码没有使用），用于测试输入，线11线7-10用于测试输出。

2- MATLAB代码

运行程序4图表后出现：第一行是用于训练数据和第二行所测试DATAS。

如果有人知道答案，请更改我的代码，并把它再次。

非常感谢。

编辑：

更多描述：

我必须为每个用于...线6（第2输出）这个码具有可接受的结果，但对于第5行没有良好结果2输出和两个码.. 。

请更改我的代码，并在其应用您的建议，并把它放在这里，如果你认为你的建议是有用的...我收到了一些建议，是对结果没有影响一般解决方案的其他论坛...

2010-11-24 Hossein

还有的将是某种限制你的预测准确度你将在哪里接受噪音训练。虽然，你可能还没有击中它。 – 2010-11-24 06:44:32

如果你相信问题可能是过度训练，尝试训练他们，直到他们有5％，10％的错误，而不是1％。错误百分比越低，他们的概括就越困难 - 他们只知道要确切地承认你给他们的东西。

2010-11-24 06:24:13

5％是好的，但10％是高的...你能指导我获得这个错误吗？...我不能.. – Hossein 2010-11-24 09:29:40

当人们提到你很可能过度拟合ANN训练数据。根据数据集的不同，如果训练数据足够长，您可能会得到任意适合的训练数据。另一个问题可能是训练数据不能正确表示问题空间。即测试数据中的输入与您用于训练的数据非常不相似。如果是这样的话，人工神经网络无法充分发挥作用。

为了克服过度拟合，试试这个。将数据分成3组;培训，验证和测试。虽然训练ANN也会计算验证集上的错误。如果验证集没有改进，比方说，5个时期（你总是可以配置这个），然后停止训练。

此外，作为一般的观点。我没有机会查看您的数据和源代码，但请记住，您需要大量的数据才能获得良好的结果。如果你只有几个数据点，那么很难/不可能取得好的结果。

我建议你阅读指南here为人工神经网络的许多方面很好的概述。

祝你好运！

2010-11-30 13:21:46

如果使用Matlab的尝试与贝叶斯正，而不是默认的Levenberg-Marquardt算法（net.trainFcn =代替trainlm“trainbr”）培训网络

2013-04-24 11:16:34

回答