使用neuralnet訓練
net.sqrtA <- neuralnet(Sqrt~Var1, sqrt.data, hidden=4, learningrate=0.01, threshold=0.01)
訓練後的結果是上面的圖片,但第二次也是一樣使用同一筆資料進行訓練,learningrate=0.01, threshold=0.01,都是設定一樣的,可是訓練的次數、誤差值、權重值都不一樣了。
net.sqrtB <- neuralnet(Sqrt~Var1, sqrt.data, hidden=4, learningrate=0.01, threshold=0.01)
我想要知道以類神經第一次訓練的過程為基礎,改變隱藏層及神經元數量之後,訓練的次數、誤差值及權重值會有什麼不一樣的變化?才會想要把同一筆資料丟進去重現同樣的結果(應該是有什麼值是沒有設定到的)。
現在試過訓練次數設定一樣,但結果還是不一樣,進一步試把startweights輸入到neuralnet去,目前一直是顯示錯誤的狀態,網路上爬了很多文章,還是不知道到底是哪裡輸入有問題。不知道我這樣做的方式對不對,希望有人可以提供一些建議及實作的方向 ︾︾
過去在學統計的時候是可以看丟入變數的檢定值,判斷這個變數加入前跟加入後對於整個模型的影響力,但是是建立在計算的基礎都是一樣的狀況之下,換到類神經之後好像沒辦法!?