python - 如何在 Scikit Learn 中判断神经网络是否过拟合
问题描述
我正在使用 Sklearn 在 Jupyter 上训练一个神经网络,并且无法知道我的网络何时/是否过度拟合数据。现在,我正在绘制我的测试数据的实际输出与我的 ANN 提出的测试数据的预测输出。谁能告诉我是否有特定的方法可以告诉我?
这就是我正在训练的内容,使用了大约 1500 次迭代,以及 2 个隐藏层,每个隐藏层有 6-8 个节点。我的数据集有大约 300 个点,有 5 个输入和 2 个输出。
HiddenLayerStruture = (6,6)
MaxNumEpochs = 1500
NN = MLPRegressor(hidden_layer_sizes=HiddenLayerStruture,
activation='tanh',
solver='lbfgs',
alpha=0.0001,
learning_rate='constant',
max_iter=MaxNumEpochs)
NN.fit(Input_Trn_Scaled, Output_Trn_Scaled)
Output_Predicted_Scaled = NN.predict(Input_Tst_Scaled)
感谢您提供的任何指导:)
解决方案
推荐阅读
- mysql - 如果父表中的行被删除,如何从子表中自动删除行
- javascript - 滑动、延迟然后自动滑出的弹出窗口
- python - Django:补丁和发布需要管理员批准
- java - Hibernate Search OneToMany 混淆结果
- bash - 获取从 glob 扩展返回的文件的完整路径
- java - 如何将此峰度公式从 java 文档转换为 Ruby?
- python - .get + dict 变量
- c - Bazel:错误的语法寻址标头?
- telegram-bot - 使用 Telegram API BOT 在消息或文件中搜索
- forms - Thymeleaf 表 - 从带有表单标签的选定行发送 id