"NeuralNetwork" （机器学习方法）

细节与子选项

  • 神经网络由网络层堆叠组成，每层执行简单的计算. 从输入层到输出层逐层处理信息. 用梯度下降法来最小化训练集上的损失函数，从而训练神经网络.
  • 可以给出下列选项：
  • MaxTrainingRounds Automatic训练停止前最大训练次数
    "NetworkDepth" Automatic网络的深度
  • 选项 "NetworkDepth" 控制网络的容量. 更深的网络可以拟合更复杂的模式，但更易于过度拟合.
  • 选项 MaxTrainingRounds 可用于加速培训，也可作为正则化参数：设置更低的值可以阻止过度拟合.

范例

打开所有单元关闭所有单元

基本范例  (2)

在有标签的实例上训练分类器函数：

获取关于分类器的信息：

对新实例进行分类：

生成一些数据并可视化：

在这些数据上训练预测器：

将数据与预测值相比较，并查看标准偏差：

选项  (2)

MaxTrainingRounds  (1)

生成一个训练集并可视化：

使用不同的 MaxTrainingRounds 培训两个预测器并在培训集上比较性能：

"NetworkDepth"  (1)

用 "NetworkDepth" 子选项指定神经网络的层数：

通过改变 "NetworkDepth" 培训第二个 PredictorFunction：

绘制平均预估: