如何使用h2o.deeplearning（）在一般情况下找到最优数量的纪元？

Question

正如我刚开始学习有关的神经网络模型，我想知道，假如我有分类问题的数据集，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) 

那么，如何可以通过任何功能或东西是什么，将决定是我可以使用的时代的数量？

Answer 1

通常情况下，你估计它是凭经验。以最初的大量迭代/时期开始训练，并在观察过度拟合时停止训练，即验证错误在训练错误消失时升高。这被称为早期停止。

如果您未观察到过度拟合，请增加迭代次数，直至验证错误稳定。