風(fēng)機(jī)槳葉故障診斷（五） 修改隱含層神經(jīng)元個數(shù)的嘗試

? ? ?我們已經(jīng)為訓(xùn)練一個更為穩(wěn)健的神經(jīng)網(wǎng)絡(luò)做好了樣本的準(zhǔn)備工作，那么我們開始下一步的工作吧！

? ? ?我們已經(jīng)有了樣本集，目前我篩選出來了247個正樣本，652個負(fù)樣本。這樣的樣本的規(guī)模是否夠用？是處在高方差還是高偏差？需不需要增加隱含層神經(jīng)元個數(shù)以增加算法的復(fù)雜程度？這些問題都可以歸結(jié)到一個問題，我們的算法現(xiàn)在處在什么樣的狀態(tài)？

? ? ?下面一步我打算進(jìn)行模型選擇，通過選擇不同隱含層神經(jīng)元個數(shù)時算法的不同表現(xiàn)來進(jìn)行分析我們的算法現(xiàn)在處在什么樣的狀態(tài)，并且選擇出最適合我們問題的隱含層神經(jīng)元個數(shù)。

? ? ?所以接下來的任務(wù)很簡單，在已經(jīng)寫好的訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的代碼基礎(chǔ)上外面套一層for循環(huán)，我從25個隱含層節(jié)點開始運(yùn)行，每次增加25個節(jié)點，一直運(yùn)行到625個節(jié)點結(jié)束（事實證明這個上限選的有點大了，浪費(fèi)了很多時間）。對于每次的訓(xùn)練，記錄下神經(jīng)網(wǎng)絡(luò)在訓(xùn)練集和測試集上的預(yù)測準(zhǔn)確率。全部運(yùn)算完畢后將會繪出圖來。

? ? ?接下來的任務(wù)就是等待了

? ? ?...

? ? ?...

? ? ?漫長的等待終于運(yùn)行完了，沒想到居然跑了14個小時。其實像這樣浪費(fèi)時間的事情這些天一直在發(fā)生，因為之前沒有過完整的機(jī)器學(xué)習(xí)系統(tǒng)開發(fā)的經(jīng)驗，神經(jīng)網(wǎng)絡(luò)這么細(xì)致的使用也是第一次，循環(huán)的上限選大了沒想到會跑這么久，再加上本來電腦就慢。不管怎樣終于運(yùn)行完了，來看看結(jié)果（橫坐標(biāo)是隱含層神經(jīng)元個數(shù)）：

? ? ?

? ? ?可以看到，模型在訓(xùn)練集上的預(yù)測準(zhǔn)確率一直在非常高的水平，但隨著隱含層神經(jīng)元數(shù)量的上升，測試集上的準(zhǔn)確率卻在下降。這說明我們的算法過擬合了，由此圖我們得出以下結(jié)論：

? ? ?1.隱含層個數(shù)選取在25-100是當(dāng)前情況下比較好的。

? ? ?2.we need more data! 算法過擬合了，說明獲取更好更多的數(shù)據(jù)能夠幫到我們

? ? ?看了我們當(dāng)前的神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)（25個隱含層節(jié)點）已經(jīng)是比較合理的了，樣本我們暫時也獲取不了更多，看了下一步要想辦法從特征選取上入手嘗試一下了，今天就到這里~

總結(jié)

以上是生活随笔為你收集整理的风机桨叶故障诊断（五） 修改隐含层神经元个数的尝试的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。