我目前正在为具有387个特征和3000个样本的数据集构建一个nn.输出是3类.我将网络结构配置如下:
输入 - > 200 - > {300-> 100} - > 50->输出
我选择了正确数量的节点和图层吗？如何确定每个层的节点数(输入,隐藏和输出)？有规则吗？
我知道计算分类精度的一个公式是X = t/n*100(其中t是正确分类的数量,n是样本的总数.)
但是,假设我们共有100个样本,A类80个,B类10个,C类10个.
情景1:所有100个样本都被分配到A类,通过使用公式,我们得到的准确度等于80%.
场景2:属于B的10个样本被正确地分配给B类;属于C的10个样本也被正确地分配给C类; 30个样本属于A,正确分配给A类; 其余50个属于A的样本被错误地分配给C.使用该公式,我们得到50%的准确度.
我的问题是:
1:我们可以说场景1的准确率高于场景2吗？
2:有没有办法计算分类问题的准确率？
非常感谢!
训练RNN和简单神经网络有什么区别？RNN能否使用前馈和后退方法进行训练？
谢谢!
machine-learning neural-network deep-learning recurrent-neural-network