@lexstile

Какие объемы данных нужны для обучения нейронной сети?

Пробовал написать бота для ставок.
Использовал библиотеку FANN.
Обучал на 40 000 матчей, при проверке следующих 10 000 неизвестных данных, сеть показала 66-69% верных результатов.
1. По такому количеству матчей можно делать какие-либо выводы или нужна выборка значительно превосходящая данную?

2. После каждого прогона 40 000 данных заново, результаты разнились от 66 до 69%. Это норма или так быть недолжно? (Первое, что приходит на ум, это рандомное выставление первоначальных весов, а так как выборка не очень большая, ей просто не хватает данных для обучения. Отсюда и вытекает погрешность. Можете, пожалуйста, прокомментировать данную ситуацию?)

3. 66-69% для подобного объема данных, это норма или нет?
  • Вопрос задан
  • 371 просмотр
Пригласить эксперта
Ответы на вопрос 2
@illaaa
1, 3. Сложно анализировать, когда ничего не знаешь о прикладной среде, в которой используется сеть. Исходя из входных данных сети, результат довольно неплохой, совсем неплохо выигрывать в 66 случаях из 100(грубо говоря).

Нейронка сама постепенно определяет, какие данные имеют большее влияние на результат. Но как мы можем знать, что именно те данные, которые мы даем на вход являются ключевыми? Или, быть может, на вход мы подали не все данных, которые необходимы.

2. Чтобы повысить процент точности, можно поиграться с коеффициентом обучения, количеством узлов промежуточного слоя и эпохами (но не факт, что это поможет, возможно, это предел сети).
Ответ написан
@IvanIvanoff
Сильно зависит от полноты исходных данных, можно ли на них вообще выстроить закономерность
Ответ написан
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации
Похожие вопросы
08 дек. 2019, в 10:14
10000 руб./за проект
08 дек. 2019, в 06:49
3000 руб./за проект
08 дек. 2019, в 05:56
2000 руб./за проект