Python Tflearn 机器学习优化器、损失和参数
Python Tflearn machine learning Optimiser, loss and parameters
修复我的代码并准备我的训练数据后，我发现自己面临 2 个问题。
背景:
我有第一列的日期（每分钟一个条目）和第二列的拥塞（值，在 0 到 200 之间）的数据。我的目标是将它提供给我的神经网络，以便能够预测下周每分钟的拥塞情况（我的数据集超过 10M 的条目，我不应该有缺乏训练数据的问题）。
问题:
我现在有两个问题。首先是关于损失、优化器和线性。似乎有一定数量的人，他们都有一个比另一个更好的领域，你会为这个项目推荐哪个？ （目前在我的测试中，我使用 Adam 作为优化器，mean_square 作为损失和线性激活）。
我的第二个问题更像是我遇到的一个错误（可能与我使用错误loss/optimizer有关）。当使用我的代码（目前有 10 000 个训练数据）时，我的准确度为 0，损失很低 (0.00X) 并且预测很差（甚至不接近现实）。你知道它可能来自哪里吗？
你要做的是时间序列预测（给定时间 t-n, t-(n+1) ... t-1 的数据：预测状态在时间 t) 并且通常是循环神经网络的任务。 Here 是 Andrej Karpathy 撰写的精彩博客 post，内容涉及您应该查看的主题。
关于你的两个问题：
这很难回答，因为使用什么优化器的问题在很大程度上取决于输入数据。一般来说，无论您使用什么优化器，网络都会收敛。然而，收敛所需的时间会有所不同。自适应学习率方法，如 Adagrad、Adadelta 和 Adam，收敛速度会稍快一些。 Here 是一篇关于不同优化器的好文章。
基本神经网络 (MLP) 在时间序列预测方面表现不佳。这将是对低准确性的解释。但是我不知道为什么损失会是0.
修复我的代码并准备我的训练数据后，我发现自己面临 2 个问题。
背景: 我有第一列的日期（每分钟一个条目）和第二列的拥塞（值，在 0 到 200 之间）的数据。我的目标是将它提供给我的神经网络，以便能够预测下周每分钟的拥塞情况（我的数据集超过 10M 的条目，我不应该有缺乏训练数据的问题）。
问题: 我现在有两个问题。首先是关于损失、优化器和线性。似乎有一定数量的人，他们都有一个比另一个更好的领域，你会为这个项目推荐哪个？ （目前在我的测试中，我使用 Adam 作为优化器，mean_square 作为损失和线性激活）。
我的第二个问题更像是我遇到的一个错误（可能与我使用错误loss/optimizer有关）。当使用我的代码（目前有 10 000 个训练数据）时，我的准确度为 0，损失很低 (0.00X) 并且预测很差（甚至不接近现实）。你知道它可能来自哪里吗？
你要做的是时间序列预测（给定时间 t-n, t-(n+1) ... t-1 的数据：预测状态在时间 t) 并且通常是循环神经网络的任务。 Here 是 Andrej Karpathy 撰写的精彩博客 post，内容涉及您应该查看的主题。
关于你的两个问题：
这很难回答，因为使用什么优化器的问题在很大程度上取决于输入数据。一般来说，无论您使用什么优化器，网络都会收敛。然而，收敛所需的时间会有所不同。自适应学习率方法，如 Adagrad、Adadelta 和 Adam，收敛速度会稍快一些。 Here 是一篇关于不同优化器的好文章。
基本神经网络 (MLP) 在时间序列预测方面表现不佳。这将是对低准确性的解释。但是我不知道为什么损失会是0.