神经网络中的训练和测试得分实验
Training and test score experiment in Neural Network
我正在尝试在 Keras 中设置非线性回归问题。我有两组数据，比如 X1 和 X2，它们的 Y 值具有相似的均值和标准差。
进行了以下程序：
- 合并数据集 X1 和 X2，对其进行打乱并在 30% 的数据上进行训练。 Keras 报告的训练分数为 3.20 RMSE，测试分数为 3.22 RMSE
- 使用上面的权重并针对 100% 的 X1 数据进行测试。 Keras 报告的测试分数为 23.97 RMSE
- 使用相同的权重并针对 100% 的 X2 数据进行测试。 Keras 报告的测试成绩为 6.49 RMSE
我不清楚为什么 X1 和 X2 的测试分数会有如此大的差异。有什么方法可以改善结果吗？
为了咯咯笑，我重复了与上述相同的过程，但包括了整个 X1 和 X2 数据集，而不是只占 30%。
- 合并 X1 和 X2，并在整个数据集上进行训练。 Keras 返回训练分数 1.81 RMSE
- 使用上面的权重并针对 100% 的 X1 数据进行测试。 Keras 报告的分数为 22.80 RMSE
- 在 X2 上的测试得分为 7.50 RMSE
与 X1 相比，X2 似乎表现不佳。
问题在于适当缩放数据。将数据重新缩放为良好格式后 - 模型开始工作。
我正在尝试在 Keras 中设置非线性回归问题。我有两组数据，比如 X1 和 X2，它们的 Y 值具有相似的均值和标准差。
进行了以下程序：
- 合并数据集 X1 和 X2，对其进行打乱并在 30% 的数据上进行训练。 Keras 报告的训练分数为 3.20 RMSE，测试分数为 3.22 RMSE
- 使用上面的权重并针对 100% 的 X1 数据进行测试。 Keras 报告的测试分数为 23.97 RMSE
- 使用相同的权重并针对 100% 的 X2 数据进行测试。 Keras 报告的测试成绩为 6.49 RMSE
我不清楚为什么 X1 和 X2 的测试分数会有如此大的差异。有什么方法可以改善结果吗？
为了咯咯笑，我重复了与上述相同的过程，但包括了整个 X1 和 X2 数据集，而不是只占 30%。
- 合并 X1 和 X2，并在整个数据集上进行训练。 Keras 返回训练分数 1.81 RMSE
- 使用上面的权重并针对 100% 的 X1 数据进行测试。 Keras 报告的分数为 22.80 RMSE
- 在 X2 上的测试得分为 7.50 RMSE
与 X1 相比，X2 似乎表现不佳。
问题在于适当缩放数据。将数据重新缩放为良好格式后 - 模型开始工作。