Задать вопрос
@Dragon1

Самоорганизующиеся карты Кохонена, как?

При обучении сети (кластеризация) появились следующие вопросы:

1. В какой момент (номер итерации) сеть можно считать обученной?
2. Как скорость обучения влияет на сходимость ошибки?
3. Как можно изменить коэффициент обучения, чтобы обучить сеть быстрее?
  • Вопрос задан
  • 234 просмотра
Подписаться 2 Простой 1 комментарий
Помогут разобраться в теме Все курсы
  • Яндекс Практикум
    Специалист по Data Science плюс
    17 месяцев
    Далее
  • Нетология
    Бизнес-аналитик
    7 месяцев
    Далее
  • Нетология
    Data Scientist: расширенный курс
    13 месяцев
    Далее
Пригласить эксперта
Ответы на вопрос 1
@AlexSku
не буду отвечать из-за модератора
Карты Кохонена тут вообще ни при чём, есть общее правило. Одна часть данных для обучения (training), допустим, 80%. Ещё 10% - validation (для проверки).
Во время обучения ошибка у training уменьшается. У validation, как правило, ошибка больше но тоже снижается. А с некоторого момента начинает расти, в то время, как у training продолжается "улучшение" (но это пошло переобучение). Вот и берёте параметры, где минимум у validation, и проверяете на остальных 10% (test).
Ответ написан
Комментировать
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Похожие вопросы