应《网络安全法》要求，自2017年10月1日起，未进行实名认证将不得使用互联网跟帖服务。为保障您的帐号能够正常使用，请尽快对帐号进行手机号验证，感谢您的理解与支持！

24小时热门版块排行榜    

小木虫论坛-学术科研互动平台 » 计算模拟区 » 程序语言 » MATLAB/Mathematica » 使用神经网络进行预测
101/1返回列表
查看: 2657  |  回复: 9
只看楼主 @他人 存档 新回复提醒 (忽略) 收藏    在APP中查看

meatball1982

铜虫 (小有名气)

[求助] 使用神经网络进行预测 已有2人参与

mod : 2013年 12月 14日 星期六 10:19:23 CST

大家好，我有一个使用进行神经网络拟合的问题，具体如下

输入是的维数是253,
输出只有一维，输出的值在范围[-567.58 -567.53]的范围内，变化范围只有0.05。

训练的样本大约有4000个，
预测的样本大约有10000个。

数据的维数分别是
dat_in_tr =[4000*253]
dat_out_tr=[4000*1]

dat_in_pr =[10000*253]
dat_out_pr=[10000*1]

我是使用BP神经网络进行预测的。
一个隐层，隐层单元个数为69。

训练的效果还可以，预测的效果也算可以接受。但有一个问题一直解决不了。
就是在预测的时候，在大约10000个点中总是有30个左右的点误差比较大。因为大多数点的误差都在0.01的范围之内。有问题的点的误差的绝对值大于0.01（在图中红色标出。）.
这是这些点，使得我的结果无法被使用。

我现在需要大家帮忙我作下面的一件事。需要满足
01.用神经网络(matlab的工具箱，matlab自己编写程序，C语言均可以)对10000预测样本进行预测。使得所有的点的误差都在0.01之内，误差的std大一点没关系，但不能出现误差大于0.01的情况。
02.预测集中的样本不能被加入到训练集中用于训练网络。
03.如果不用神经网络，也可以用支持向量机or主成分分析or 其它的方法，但要用matlab或c（我暂时只会这两种。）
04.程序要有注释，要有说明文档。
05.很可能在我看不懂注释和程序时，给于说明。
06.程序中需要设置的参数最好是自动找到的，如果不是，请最好给出设置的思路。使用神经网络进行预测
x_re_y_annpr.png
回复此楼

» 本帖附件资源列表

  • 欢迎监督和反馈：小木虫仅提供交流平台，不对该内容负责。
    本内容由用户自主发布，如果其内容涉及到知识产权问题，其责任在于用户本人，如对版权有异议，请联系邮箱：xiaomuchong@tal.com
  • 附件 1 : post_on_emuch.tar.gz
    • 2013-12-14 14:46:55, 11.76 M

» 猜你喜欢

» 本主题相关价值贴推荐，对您同样有帮助:
唉。还是学吧。
1楼 2013-12-14 14:47:35
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

fish.yfyh

铜虫 (小有名气)

【答案】应助回帖

★ ★ ★ ★ ★ ★ ★ ★ ★ ★
感谢参与，应助指数 +1
meatball1982: 金币+10, ★有帮助 2013-12-16 09:27:37
你这个很可能是overfitting了.
试试cross validation方法，以及Bayes regularization方法。
赞一下 回复此楼
2楼2013-12-14 16:03:16
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

meatball1982

铜虫 (小有名气)
引用回帖:
2楼: Originally posted by fish.yfyh at 2013-12-14 16:03:16
你这个很可能是overfitting了.
试试cross validation方法，以及Bayes regularization方法。

谢谢fish.yfyh
01.请问，您提的两个方法中，测试的数据要被应用于训练过程中吗？
02.有没有关于这两种方法的资料，书or 论文or 课件都行，我学习一下。我在google上找了一下，比较笼统。
谢谢。
赞一下 回复此楼
唉。还是学吧。
3楼2013-12-16 09:27:13
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

nono2009

超级版主 (文学泰斗)

No gains, no pains.

优秀区长优秀区长优秀区长优秀区长优秀版主

【答案】应助回帖

★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ...
感谢参与，应助指数 +1
meatball1982: 金币+10, ★★★很有帮助 2013-12-16 12:40:05
meatball1982: 金币+80, ★★★很有帮助, 暂时还没解决，但有思路了。 2013-12-26 16:27:33
输入是的维数是253, 输出只有一维，隐层单元个数为69

意味着连接权系数（包括阈值）有(253+1)*69+(69+1)*1 = 17596 个，远远多于你的学习样本数。这合适吗？
赞一下 回复此楼
4楼2013-12-16 10:17:07
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

meatball1982

铜虫 (小有名气)
引用回帖:
4楼: Originally posted by nono2009 at 2013-12-16 10:17:07
输入是的维数是253, 输出只有一维，隐层单元个数为69

意味着连接权系数（包括阈值）有(253+1)*69+(69+1)*1 = 17596 个，远远多于你的学习样本数。这合适吗？

谢谢nono2009的问题。
其实，我是尝试过隐层单元数为23的。效果还不如现在。
如果我的样本足够有代表性，没必要训练样本那么多吗。我觉得。而且样本数太大，训练网络也很是个问题。
赞一下 回复此楼
唉。还是学吧。
5楼2013-12-16 12:39:55
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

fish.yfyh

铜虫 (小有名气)

【答案】应助回帖

★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ...
meatball1982: 金币+10, ★★★很有帮助 2013-12-16 14:03:23
meatball1982: 金币+80, ★★★很有帮助, 暂时还没解决，但有思路了。 2013-12-26 16:27:50
引用回帖:
3楼: Originally posted by meatball1982 at 2013-12-16 09:27:13
谢谢fish.yfyh
01.请问，您提的两个方法中，测试的数据要被应用于训练过程中吗？
02.有没有关于这两种方法的资料，书or 论文or 课件都行，我学习一下。我在google上找了一下，比较笼统。
谢谢。...

问题1：测试数据可以不用于训练，因为既训练又测试，那样没什么意义。
问题2: 关于cross validation（交叉验证）有很多很多资料，比如：http://en.wikipedia.org/wiki/Cross-validation_%28statistics%29，很多机器学习方面的书籍也都有。至于Bayes regularization，这个方法提及不是很多，但是在机器学习领域，regularization是经常用到的。
赞一下 回复此楼
6楼2013-12-16 12:45:58
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

nono2009

超级版主 (文学泰斗)

No gains, no pains.

优秀区长优秀区长优秀区长优秀区长优秀版主

【答案】应助回帖

★ ★ ★ ★ ★ ★ ★ ★ ★ ★
meatball1982: 金币+10, ★★★很有帮助 2013-12-16 14:04:16
引用回帖:
5楼: Originally posted by meatball1982 at 2013-12-16 12:39:55
谢谢nono2009的问题。
其实，我是尝试过隐层单元数为23的。效果还不如现在。
如果我的样本足够有代表性，没必要训练样本那么多吗。我觉得。而且样本数太大，训练网络也很是个问题。...

神经网络本质也是一种数据回归模型。我们举个简单的例子

y=ax^2+bx+c，
有三个系数要回归，如果只给你1～2组数据，你觉得能回归好吗？

考虑到样本本身有误差，为了防止过拟合（或过学习），一般要求神经网络的训练样本数是连接权系数（包括阈值）的2～3倍。你用了太多的连接权系数（包括阈值），即使效果不错，风险仍然很高。
赞一下 回复此楼
7楼2013-12-16 12:47:26
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

meatball1982

铜虫 (小有名气)
引用回帖:
6楼: Originally posted by fish.yfyh at 2013-12-16 12:45:58
问题1：测试数据可以不用于训练，因为既训练又测试，那样没什么意义。
问题2: 关于cross validation（交叉验证）有很多很多资料，比如：http://en.wikipedia.org/wiki/Cross-validation_%28statistics%29，很多机 ...

谢谢fish.yfyh.我先学习一下。
赞一下 回复此楼
唉。还是学吧。
8楼2013-12-16 14:03:51
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

meatball1982

铜虫 (小有名气)
引用回帖:
7楼: Originally posted by nono2009 at 2013-12-16 12:47:26
神经网络本质也是一种数据回归模型。我们举个简单的例子

y=ax^2+bx+c，
有三个系数要回归，如果只给你1～2组数据，你觉得能回归好吗？

考虑到样本本身有误差，为了防止过拟合（或过学习），一般要求神经网络 ...

谢谢nono2009，
您说的很容易理解，我基本明白了。
我会按照你的意见进一步尝试。
赞一下 回复此楼
唉。还是学吧。
9楼2013-12-16 14:05:09
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

D调沉迷学术

新虫 (初入文坛)
主成分分析单独应用也可以预测吗？不是用来降维筛选自变量的吗

发自小木虫Android客户端
赞一下 回复此楼
10楼2017-08-28 00:48:21
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
相关版块跳转 我要订阅楼主 meatball1982 的主题更新
101/1返回列表
普通表情 龙 兔 虎 猫
信息提示
关闭
请填处理意见
关闭