2022年12月3日
今日体会
摘要： 我一开始不断缩减特征(8维度)使模型的准确率达到了0.86。之前的维度(36)达到了0.87。我一开始以为需要继续缩减特征，当我看到低维数据调整模型结构后难以提升，而我看到36维还能达到0.9。于是我便感觉36维度的前景比8维度的更好。 阅读全文
posted @ 2022-12-03 18:17 祥瑞哈哈哈 阅读(20) 评论(0) 推荐(0)
准确率为0.865的程序
摘要： 我之前猜想振幅大的可能是有用的特征，因此我根据振幅筛选特征，结果获得8个维度的特征。在验证集准确率是0.865，跟36维度的效果类似。 import matplotlib.pyplot as plt import numpy as np import pandas as pd import torc 阅读全文
posted @ 2022-12-03 14:55 祥瑞哈哈哈 阅读(21) 评论(0) 推荐(0)
训练神经网络挑主要特征
摘要： 因为我每次初始化不同的模型表现不同，我猜测可能是过拟合，于是我决定根据第一层神经网络的权重来选择特征。效果不是很好。 代码: w1=[ 1.9525, 6.5730, 2.8011, 2.9227, 6.5043, 5.2393, -4.5891, -7.5931, -7.5758, -4.5269 阅读全文
posted @ 2022-12-03 09:34 祥瑞哈哈哈 阅读(50) 评论(0) 推荐(0)
深度神经网络
摘要： network=nn.Sequential(nn.Linear(36,2),nn.Sigmoid(),nn.Linear(2,2),nn.Sigmoid(),nn.Linear(2,1),nn.Sigmoid()) network=nn.Sequential(nn.Linear(36,4),nn.S 阅读全文
posted @ 2022-12-03 08:58 祥瑞哈哈哈 阅读(115) 评论(0) 推荐(0)