求助！关于神经网络！

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

各位大神，我在做神经网络时遇到一个问题。我使用神经网络对数据进行分类，结果发现当使用1个隐藏层时数据效果非常好，但是当我用2个隐藏层时，无论使用什么函数，几个节点，效果都没有1个隐藏层的效果好。不知道为什么？求大神帮解释。
注：神经网络的设计没有问题，我使用了两种数据进行训练（两个不同的神经网络），一种是分类清晰的数据，结果2个隐藏层的效果和1个隐藏层的效果差不多。但是当我使用那种分类不太清晰的数据时，也就时不同类别的数据存在较大的混淆时，2个隐藏层的效果反而没有1个隐藏层的好了，无论如何都比1个隐藏层的差5-10个点左右。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：神经网络 神经网 不知道 差不多

overfit?

https://www.cnblogs.com/yangmang/p/7477802.html

1、你用的是封装好的神经网络包，还是自己写的底层代码？
2、你说的效果好，是指训练误差小，还是预测误差小？
3、你的数据量有多大？
你遇到的情况其实也正常，大多数情况下，我们只能略知神经网络底层的算法，比如激活函数、损失函数、反向传播、梯度下降等等，至于实际运算过程，也就是每一步的参数优化情况，我们是不清楚的。所以，只能从模型的拟合与预测结果来判断模型是不是好。
通常，隐藏层选1个或2个就够了。到底选几个隐藏层，每个隐藏层选几个神经元，没有必然的规律，需要多试几次选择你认为效果更好的参数。所说的效果，是指预测误差小，也就是模型的泛化能力强，才是真正的好，而不是拟合优度高就好。拟合优度只能说明模型的训练误差，比如$R^2$太高的话，反而可能存在过拟合的问题。
神经网络，其实是很个性化的东西。