java - Encog - 带验证集的 EarlyStoppingStrategy

Question

一旦我看到从验证集计算出的误差开始增加，我想停止训练网络。我使用带有 RPROP 的 BasicNetwork 作为训练算法，并且进行以下训练迭代:

double validationError = 999.999;


    while(!stop){

        train.iteration(); //weights are updated here

        System.out.println("Epoch #" + epoch + " Error : " + train.getError()) ;

        //I'm just comparing to see if the error on the validation set increased or not
        if (network.calculateError(validationSet) < validationError)
            validationError = network.calculateError(validationSet); 

        else
            //once the error increases I stop the training.
            stop = true ;

        System.out.println("Epoch #" + epoch + "Validation Error" + network.calculateError(validationSet));

        epoch++;

    }
        train.finishTraining();

显然这是行不通的，因为在确定我是否需要停止训练之前权重已经改变了。我是否可以退一步并使用旧的权重？

我还看到了 EarlyStoppingStrategy 类，这可能是我需要通过使用 addStrategy() 方法来使用的类。但是，我真的不明白为什么 EarlyStoppingStrategy 构造函数同时采用验证集和测试集。我认为它只需要验证集，并且在测试网络的输出之前根本不应该使用测试集。

Answer 1

Encog 的 EarlyStoppingStrategy 类根据本文实现了提前停止策略:

探针1 |一组神经网络基准问题和基准规则

(完整的引用包含在 Javadoc 中)

如果您只想在验证集的错误不再改善时立即停止，您可能只想使用 Encog SimpleEarlyStoppingStrategy，可在此处找到:

org.encog.ml.train.strategy.end.SimpleEarlyStoppingStrategy

请注意，SimpleEarlyStoppingStrategy 需要 Encog 3.3。