用同一數(shù)據(jù)集訓(xùn)練神經(jīng)網(wǎng)絡(luò)，每次訓(xùn)練結(jié)果不一樣，有時(shí)正確率很高，有時(shí)很低，為什么？其實(shí)這個(gè)問題的實(shí)質(zhì)是，如果我們用機(jī)器學(xué)習(xí)算法在數(shù)據(jù)集上訓(xùn)練一次數(shù)據(jù)模型，保存模型，然后用同樣的算法和同樣的數(shù)據(jù)集和數(shù)據(jù)排

用同一數(shù)據(jù)集訓(xùn)練神經(jīng)網(wǎng)絡(luò)，每次訓(xùn)練結(jié)果不一樣，有時(shí)正確率很高，有時(shí)很低，為什么？

其實(shí)這個(gè)問題的實(shí)質(zhì)是，如果我們用機(jī)器學(xué)習(xí)算法在數(shù)據(jù)集上訓(xùn)練一次數(shù)據(jù)模型，保存模型，然后用同樣的算法和同樣的數(shù)據(jù)集和數(shù)據(jù)排序再訓(xùn)練一遍，第一個(gè)模型和第二個(gè)模型是一樣的嗎？

這可能是因?yàn)樯窠?jīng)網(wǎng)絡(luò)用增益或權(quán)重的隨機(jī)值初始化，然后每個(gè)模擬在訓(xùn)練階段有不同的起點(diǎn)。如果您希望始終保持相同的初始權(quán)重，可以嘗試為初始權(quán)重修復(fù)種子以消除問題。

如果我們深入研究這個(gè)問題，我們可以根據(jù)ml算法的“確定性”來對(duì)其進(jìn)行分類。當(dāng)從同一個(gè)數(shù)據(jù)集進(jìn)行訓(xùn)練時(shí)：

一個(gè)是總是生成相同的模型，并且記錄以相同的順序呈現(xiàn)；

另一個(gè)是總是生成不同的模型，并且記錄順序不同。

在實(shí)踐中，大多數(shù)是“不確定的”。模型變化的原因可能是機(jī)器學(xué)習(xí)算法本身存在隨機(jī)游走、不同權(quán)值的隨機(jī)初始化、不同分量的概率分布抽樣來分配優(yōu)化函數(shù)。

雖然模型的“不確定性”可能會(huì)對(duì)單個(gè)訓(xùn)練結(jié)果造成干擾，但我們也可以用“不確定性”來確認(rèn)模型的穩(wěn)定性，如決策樹、支持向量機(jī)（SVM）、神經(jīng)網(wǎng)絡(luò)等，最終可以通過多次迭代來確認(rèn)模型的穩(wěn)定性。

如何用arcgis創(chuàng)建網(wǎng)絡(luò)數(shù)據(jù)集？

1. 在ArcCatalog的菜單欄中，點(diǎn)擊“自定義”，然后點(diǎn)擊“擴(kuò)展模塊”下拉菜單，彈出一個(gè)擴(kuò)展模塊窗口，如下圖所示，選中“網(wǎng)絡(luò)分析”，然后嘗試創(chuàng)建一個(gè)網(wǎng)絡(luò)數(shù)據(jù)集

2。如果仍然無法創(chuàng)建網(wǎng)絡(luò)數(shù)據(jù)集，則在安裝ArcGIS時(shí)可能尚未安裝這些擴(kuò)展模塊。下一步是安裝上圖中的擴(kuò)展模塊：

點(diǎn)擊下面的網(wǎng)頁鏈接查看相關(guān)問題的答案，其中有詳細(xì)的答案

網(wǎng)頁鏈接

網(wǎng)絡(luò)數(shù)據(jù)集的創(chuàng)建是在arccat中的ArcCatalog中，右鍵單擊要?jiǎng)?chuàng)建的數(shù)據(jù)集newnetworkdataset；設(shè)置數(shù)據(jù)集的名稱，下一步；設(shè)置modelturns，下一步；設(shè)置connectivity，下一步；設(shè)置modelelevation，下一步；設(shè)置屬性，下一步；單擊finish。