Форум врачей-аспирантов

Здравствуйте, гость ( Вход | Регистрация )

 
Добавить ответ в эту темуОткрыть тему
> fitting model для нейросети
kont
сообщение 10.01.2018 - 16:40
Сообщение #1





Группа: Пользователи
Сообщений: 149
Регистрация: 11.02.2014
Пользователь №: 26005



Подскажите, теоретический вопрос.
Допустим я построил нейросетевую модель. Переменная отклика -бинарная (1,0)
Но модель плохого качества
плохой AUC
переобучение на лицо. и прочее плохие бяки:)

Что мне нужно сделать, чтобы понять почему всё так плохо
и какие попытки нужно предпринять , чтобы улучшить качество модели
Потому что одним изменением параметров таких как порог и кол-во скрытых слоев и нейронов в них явно не отделаешься.

Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
leo_biostat
сообщение 10.01.2018 - 17:47
Сообщение #2





Группа: Пользователи
Сообщений: 105
Регистрация: 23.11.2016
Пользователь №: 28953



Цитата(kont @ 10.01.2018 - 16:40) *
Подскажите, теоретический вопрос.
Допустим я построил нейросетевую модель. Переменная отклика -бинарная (1,0)
Но модель плохого качества
плохой AUC
переобучение на лицо. и прочее плохие бяки:)

Что мне нужно сделать, чтобы понять почему всё так плохо
и какие попытки нужно предпринять , чтобы улучшить качество модели
Потому что одним изменением параметров таких как порог и кол-во скрытых слоев и нейронов в них явно не отделаешься.


Kont, hi.gif!

Для повышения качества следует применять иные модели. Поскольку переменная отклика является бинарной (1;0),
то для такой зависимой переменной рекомендую использовать модель логистической регрессии, построив и ROC-кривую.
Прочитайте о возможностях этой модели статьи по адресу http://www.biometrica.tomsk.ru/logit_0.htm
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
kont
сообщение 10.01.2018 - 18:52
Сообщение #3





Группа: Пользователи
Сообщений: 149
Регистрация: 11.02.2014
Пользователь №: 26005



leo_biostat, и Вам доброго дня.
Не одними бинарными переменными откликами статистика сыта:)
во-первых переменная отклика может иметь намного больше градаций и задача скорее классификационная, где Дискриминантный анализ не помощник из-за большого числа разрозненный данных и их большого количества.
Что в таком случае делать нужно?))
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
p2004r
сообщение 11.01.2018 - 23:41
Сообщение #4





Группа: Пользователи
Сообщений: 1091
Регистрация: 26.08.2010
Пользователь №: 22699



Цитата(kont @ 10.01.2018 - 16:40) *
Подскажите, теоретический вопрос.
Допустим я построил нейросетевую модель. Переменная отклика -бинарная (1,0)
Но модель плохого качества
плохой AUC
переобучение на лицо. и прочее плохие бяки:)

Что мне нужно сделать, чтобы понять почему всё так плохо
и какие попытки нужно предпринять , чтобы улучшить качество модели
Потому что одним изменением параметров таких как порог и кол-во скрытых слоев и нейронов в них явно не отделаешься.


1. Задача просто может не иметь решения -- "иногда сны это просто сны" (С)

2. Если точно известно, что задача решается (например это данные по которым некий агент различает исходы), то надо думать

а) над представлением этих данных на входе

б) над аугументацией этих данных (если их явно маловато)

в) над выбранной архитектурой сети

г) над использованием более продвинутого алгоритма поиска решения, где нейросеть только один из элементов алгоритма решающего задачу разделения смеси


Signature
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 

Добавить ответ в эту темуОткрыть тему