[問題] 利用神經網路趨近0或1來判別(驗證問題)

看板Python作者cosmicray (宇宙射線)時間5年前 (2018/09/14 01:03)推噓7(7推 0噓 21→)

留言28則, 7人參與討論串1/1

版上大神好，小弟大三EE還是此領域新手，目前使用tensorflow來實作求大神解答QQ，本人寒酸有給建議的人一率奉上微薄100P 我稍微說明一下程式目的及架構，裡面code也有稍微打個註解我有找到一份資料是是關於航線是否延遲共有8個特徵裡面有九個元素前八個是特徵，最後一項是答案0或1 然後一共有1175筆資料現在希望架設個神經網路訓練它，接著再拿別筆資料1*8矩陣送進去使它趨近0或1 架構應該是對的但想餵資料驗證時有問題QQ 當然裡面有先對資料做正規化，使用公式為Xnorm=(X-Xmin)/(Xmax-Xmin) 架構為inputs layer有8個神經元接著隱藏層1有6個神經元，隱藏層2有3個神經元再輸出層一個神經元，也就是讓它1*8矩陣收斂為1*1矩陣前面50筆當驗證用剩餘部分拿來訓練大致就是隨機取一筆訓練30000次這是我的程式檔: https://github.com/Hawkingfans/airline_delayed_judgment/blob/master/.gitignore 以及data: https://goo.gl/RNRxnD 放在github裡但執行結果卻是: https://imgur.com/ZUwSqh8

每個output都一樣....猜是訓練方式有問題? 不知道可以如何修改? 但因發現似乎解法是想驗證一筆資料就要再重新train一次?不確定所以暫時修改為:(只動with裡面) with tf.Session() as sess: sess.run(init) for k in range(0,10): #訓練部分(扣除前10筆資料所剩餘的) for i in range(20000): n = np.random.randint(10, 1175 ) line_data = norm_data[np.newaxis, n, 0: 8] expect = data[n, 8] expected= np.reshape(expect,[1,1]) sess.run(train_step, feed_dict={xs: line_data,ys: expected}) #驗證部分(前10筆資料) examine_data = norm_data[np.newaxis, k, 0: 8] answer = norm_data[k, 8] output = sess.run( y,feed_dict={xs: examine_data}) print("output =",output) print("answer=", answer) print("======================") 其實就是變成雙層for迴圈而已但因為這樣驗證會太久...所以就切10筆而已結果如圖: https://imgur.com/jDSPjWk

看起來似乎有達到目的但這種做法要是切300筆資料要驗證，不就變300*20000次....這會跑超久捏 = =" 且主要是這方法我拿去問教授，他說這樣是不對的......... 他說應該是訓練完好，驗證再另個block也就是不用重新train。想請教各位如何修改才是正確的訓練? 希望以原本的方法為主，已經為此想破頭好幾天QAQ 感激不盡 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.135.42.38 ※ 文章網址: https://www.ptt.cc/bbs/Python/M.1536858230.A.7FF.html

推

frank910138

09/14 01:19, 5年前 , 1^F

09/14 01:19, 1^F

→

frank910138

09/14 01:19, 5年前 , 2^F

09/14 01:19, 2^F

抱歉不太懂您的意思QQ，剛剛搜了一下one-hot encoding好像是對字元做處理? 不過txt檔讀進去只是個1175*9的矩陣

推

f496328mm

09/14 02:02, 5年前 , 3^F