как выбрать параметр для tf.contrib.learn.DNNRegressor - PullRequest
Новая
       11

как выбрать параметр для tf.contrib.learn.DNNRegressor

0 голосов
/ 25 апреля 2018

Сейчас я делаю регрессионный анализ DNN. Я использую DNNRegressor в Tenesflow. Но я не знаю, как настроить соответствующие параметры, чтобы получить хорошую модель нейронной сети? 

regressor = tf.contrib.learn.DNNRegressor(feature_columns=feature_cols,
            # hidden_units=[10, 128],  # loss:42.252525
            # hidden_units=[50, 320],  # 7.66
            # hidden_units=[50, 640],  # 22.162941
            # hidden_units=[100, 640], # 5.249118
            # hidden_units=[100, 320], # 6.54
            # hidden_units=[300, 640], # 41.01174
            # hidden_units=[300, 896], # 17.183

            # hidden_units=[50, 100, 640], # 17.760363
            # hidden_units=[50, 320, 640], # 16.38122
            # hidden_units=[50, 320, 128, 50], # 52.36839
            # hidden_units=[640, 100], # 53
            hidden_units=[100, 320, 640],  # 22.162941

            model_dir='./models/dnnregressor',
            weight_column_name = None,
            optimizer=None,
            activation_fn=tf.nn.relu,
            dropout=None,
            gradient_clip_norm=None,
            enable_centered_bias=False,
            config=config,
            feature_engineering_fn=None,
            label_dimension = 4,
            embedding_lr_multipliers=None,
            input_layer_min_slice_size=None)

Мой набор данных выглядит следующим образом. 

df = conv2_dataframe(CmdS_X=CmdS_X, CmdS_Y=CmdS_Y, CmdS_Z=CmdS_Z, CmdV=CmdV, halfV=halfV,
       ActS_X=ActS_X, ActS_Y=ActS_Y, ActS_Z=ActS_Z, ActV=ActV)
labels = ['ActS_X', 'ActS_Y', 'ActS_Z', 'ActV']

dnnRegressor(df, labels)

форма: (12686, 9)
Диаграмма описания данных

1 Ответ

0 голосов
/ 26 апреля 2018

Простого ответа нет. Это зависит от ваших характеристик данных и конкретной проблемы. Эта проблема обычно называется «настройкой гиперпараметров».

Если вам нужен короткий ответ - проведите надлежащее обучение, проверку и разделение набора тестовых данных и используйте любые параметры, которые дают наилучшие результаты в вашем тестовом наборе данных.

...