问神经网络:为什么当你给它更多的神经元时，它的效果会变得更差？
EN

Stack Overflow用户

提问于 2018-08-13 01:35:38

回答 1查看 357关注 0票数 0

我刚刚编写了我的第一个神经网络代码，并对其进行了一些实验...它的任务非常简单:它基本上应该输出四舍五入的数字。它由一个输入神经元和一个输出神经元组成，其中1个隐层由2个隐层神经元组成。首先，我给了它大约2000个随机生成的训练数据集。

当我给它由10个隐藏神经元组成的3个隐藏层时。结果开始变得更糟，即使在10000个训练集之后，它仍然输出许多错误的答案。具有2个隐藏神经元的神经网络工作得更好。

这一切为什么要发生？我认为一个神经网络的神经元越多，它就越好。

那么如何找到神经元和隐藏层的最佳数量呢？

回答已采纳

发布于 2018-08-13 09:29:24

如果你说的“更差”是指测试集上的准确性较低，那么问题很可能是过度拟合。

一般来说，我可以告诉你:更多的层将适合更复杂的数据函数。也许你的数据很像一条直线，所以一个简单的线性函数就可以做得很好。但想象一下，你尝试对数据拟合一个6次多项式。正如你可能知道的，高阶偶数函数非常快地达到无穷大(+-)，所以这个高阶模型在极端情况下会预测太大的值。

总而言之，您的问题很可能是过拟合(高方差)。你可以在图中的某个地方查看一些关于偏差-方差权衡的更直观的解释。

票数 4

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/51811267

复制

相似问题

问神经网络:为什么当你给它更多的神经元时，它的效果会变得更差？EN