python-3.x - 当将随机梯度下降与 Shogun NeuralNetwork 结合使用时，所有内容都分类相同

Question

我尝试将多个样本分类为 1 或 0，但是当使用随机梯度下降作为优化算法时，所有样本都被分类为 1 或 0。

当使用默认值(L-BFGS)时，它按预期工作，并将样本分类为 1 和 0。我尝试过调整动量、学习率、批量大小、衰减和误差系数，但每次误差都是相同的时间。任何帮助将不胜感激!

num_feats = X_train.get_num_features()
layers = DynamicObjectArray()
layers.append_element(NeuralInputLayer(num_feats))
layers.append_element(NeuralLogisticLayer(16))
layers.append_element(NeuralLogisticLayer(8))
layers.append_element(NeuralSoftmaxLayer(2))

MLP = NeuralNetwork(layers)
MLP.set_gd_momentum(0.9)
MLP.set_gd_learning_rate(0.001)
MLP.set_gd_mini_batch_size(200)
MLP.set_optimization_method(0)

MLP.set_l2_coefficient(1e-4)
MLP.set_epsilon(1e-8)
MLP.set_max_num_epochs(200)

MLP.quick_connect()
MLP.initialize_neural_network()
MLP.set_labels(y_train)

MLP.train
conf_mat_MLP = acc.get_confusion_matrix(y_pred_MLP, y_test)
print(conf_mat_MLP)

打印:

[[2400    0]
[ 314    0]]

声明 SGD 而不是 L-BFGS 的行:

MLP.set_optimization_method(0)

注意:我在 Scikit-learn 和 Weka 中以相同的方式使用随机梯度下降，并使用完全相同的训练/测试集 - 两者都不会产生此错误，所以我希望这与方式有关我正在配置算法，但我不知道是什么!

潜在有用的链接 -

文档: http://www.shogun-toolbox.org/api/latest/classshogun_1_1CNeuralNetwork.html

来源: http://www.shogun-toolbox.org/api/latest/NeuralNetwork_8h_source.html

Answer 1

您应该(显着)降低您的小批量大小 - 尝试使用 20 左右。