[英]Why Multiple Linear Regression performs much better than Neural Network?
我正在使用以下示例训练数据解决八个输入和一个 output 的问题。 https://i.stack.imgur.com/F3iyB.png
我使用了两种方法来尝试使用神经网络 (NN) 和多线性回归 (MLR) 来解决这个问题。 并且使用 MLR 的预测结果大大优于 NN。 我几乎对 NN 进行了所有尝试,例如网格搜索以找到最佳“设置”,并进行了大量试验和错误,但仍然无法让 model 执行。
(蓝线是预测,橙线是目标),完美的 model 将完美地拟合两条线。
使用 MLR 的结果:
https://i.stack.imgur.com/UDl5i.png
使用 NN 的结果:
https://i.stack.imgur.com/oYm0O.png
我并不是真的在寻找修复 NN 的答案,而是更多地解释为什么会发生这种情况。
研究过度拟合或偏差/方差权衡。 一般来说,更复杂的模型需要更多的数据来训练。 如果您的数据点太少,那么 model 将记住数据集而不是学习其中的模式
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.