試驗1

試驗1是我們用100個數(shù)據(jù)圖像，其中89個數(shù)據(jù)圖像作為訓(xùn)練集，11個為測試集矾柜。一開始跑的時候采用了單一變量法的原理阱驾，毫無方向的調(diào)參數(shù)。

前五次我以為權(quán)重那個次方對準(zhǔn)確率有影響怪蔑，于是以權(quán)重次方為因變量里覆，準(zhǔn)確率為自變量

然后發(fā)現(xiàn)這個因素并不是主要影響因素，所以決定不再考慮這個因素的變化缆瓣，設(shè)回原始值喧枷。再來考慮隱層層數(shù)的影響（這里為啥只考慮隱層，不考慮輸入和輸出捆愁，前面的代碼分析有提及http://www.reibang.com/writer#/notebooks/40513533/notes/60513797）

通過隱層的變化可以看出割去，在300的時候準(zhǔn)確率明顯比較高，然后固定隱層為300昼丑，改變學(xué)習(xí)率

我們發(fā)現(xiàn)當(dāng)隱層層數(shù)為300的時候呻逆，學(xué)習(xí)率為0.001和0.0088都能跑到準(zhǔn)確率百分之八十以上，這兩者其實數(shù)值差不多菩帝，我就選擇隱層層數(shù)300咖城，學(xué)習(xí)率0.001是目前為止的最佳參數(shù)，然后固定這兩個參數(shù)呼奢，改變訓(xùn)練次數(shù)的數(shù)值

然而此時默認(rèn)為訓(xùn)練次數(shù)5宜雀，隱層層數(shù)300，學(xué)習(xí)率為0.001握础，準(zhǔn)確率為0.8181.

現(xiàn)在目前確定的有三個變量直接影響準(zhǔn)確率辐董，即方程有三個變量x,y,z。通過固定一個變量禀综，同時改變其他兩個變量简烘，我先固定學(xué)習(xí)率為0.001.得出

可以發(fā)現(xiàn)當(dāng)訓(xùn)練次數(shù)為7次，隱層層數(shù)200定枷，學(xué)習(xí)率0.001時孤澎，準(zhǔn)確率為0.90，有些空格沒有數(shù)據(jù)欠窒，是因為跑一次非常費時間覆旭，跑出來，沒有找到相關(guān)性的數(shù)據(jù)岖妄，沒有列出來型将，此時已經(jīng)凌晨四點了，我不是傳遞我有多辛苦的信號荐虐，我是想說調(diào)參必須花大量精力七兜，去得出大量的數(shù)據(jù)，然后分析數(shù)據(jù)缚俏。

試驗2

因為測試集的問題惊搏，準(zhǔn)確率遲遲達不到0.99，我就把測試集跟訓(xùn)練集合并成一個數(shù)據(jù)集忧换，將這個數(shù)據(jù)集即用來做訓(xùn)練集又用來做測試集（書里有說恬惯，這樣調(diào)出來的參數(shù)，用來測測試集的準(zhǔn)確率比較高亚茬，但實際運用中的準(zhǔn)確率比較不理想,但我是想驗證一下酪耳，能不能跑到0.99）結(jié)果測試如下

最后還是沒跑到0.99畅买，我就換了一個大的數(shù)據(jù)集铁材，來到試驗3

試驗3

試驗3中的訓(xùn)練集數(shù)據(jù)6萬個，測試集2萬個昌阿，結(jié)果我參數(shù)都沒怎么調(diào)梢夯，一跑就百分之九十以上言疗，達到我們需要的目的。

從三個試驗中總結(jié)出神經(jīng)網(wǎng)絡(luò)如果要預(yù)測出準(zhǔn)確率高颂砸，則數(shù)據(jù)集要大噪奄，再者就是參數(shù)要好，通過試驗1人乓、2可以看出勤篮，在數(shù)據(jù)集比較小的情況下，我們可以通過調(diào)節(jié)參數(shù)色罚，來盡可能的是準(zhǔn)確率提高碰缔，通過試驗3得出，神經(jīng)網(wǎng)絡(luò)在大量數(shù)據(jù)學(xué)習(xí)之后的準(zhǔn)確率比較大戳护，所以我們不但要有一個龐大的數(shù)據(jù)集金抡，而且還要有一個最優(yōu)的參數(shù)，兩者的結(jié)合姑尺，才能是我們的模型準(zhǔn)確的預(yù)測我們想要的結(jié)果竟终，從而使誤差降到最低。

如果有不對的地方切蟋，或者有更好的方法统捶，還望大家指點

鏈接：代碼和數(shù)據(jù)文件https://pan.baidu.com/s/1yY1NGSvosneUGsxDupvrgg

提取碼：rrq2