输入数据集如何输入神经网络？

Question

如果我的数据集中有1000个观测值，包含15个特征和1个标签，输入神经元中的数据如何进行正向传递和反向传播？对于1000次观测（一次一个），是否按行进行排序并且每次观测都要更新权重，或者是根据输入矩阵给出完整数据，然后是多个时期，网络学习相应的权重值？同样，如果它是一次喂食，那么在这种情况下的时代是什么？ 谢谢

Answer 1

假设数据被格式化为行（1000个实例每个都有16个特征，最后一个是标签），您可以逐行输入前15个特征并使用最后一个“特征”/“标签作为目标。这叫做在线学习。在线学习要求您一次以一个示例提供数据，并针对每个示例执行反向传播和权重更新。正如您可以想象的那样，由于反向传播和更新每个数据实例，这可能会相当密集。

您提到的另一种选择是将整个数据输入到网络中。由于收敛非常缓慢，这在实践中表现不佳。

实际上，使用小批量。这包括发送一小部分数据集，然后进行反向传播和权重更新。这提供了相对频繁的体重更新的好处，以加快学习速度，但比在线学习的密集程度要低。有关小批量的更多信息，请参阅此University of Toronto Lecture by Geoffrey Hinton

最后，一个时期始终是1遍运行您的所有数据。如果你一次喂一次，或者一次喂一次，这并不重要。

我希望这能澄清你的问题。