老饼讲解-BP神经网络
本站原创文章，转载请说明来自《老饼讲解-BP神经网络》www.bbbdata.com
对于BP神经网络来说，隐节点个数太少，无法拟合到复杂的关系，隐节点过多，又会导致过拟合
本文解讲BP神经网络隐层节点个数设置的一些常用方法(这里假设只有一个隐层）
一般来说，要设几个隐节点，我们并没有什么明确的方法，但有指导方法,
在设置隐节点时可以参考以下四个指导性方法
01. 原理指导
从隐节点的理论意义来说，隐节点越多，拟合能力越强，
但同时出现模型不稳定的概率也增大
在设置隐节点时可以参考以下原理指导
1.输入输出单元数越多，隐节点越多
2.要求逼近的规则越跌宕起伏，隐节点越多
02. 经验公式
隐节点个数可参考以下两条公式
n是隐节点个数，m是输入个数
或
n1是隐节点个数，n是输入个数，m是输出个数，a在1-10之间
03. 建模师经验
可参考建模师以往的一些成功案例，下面是本人的建模经验：
在2个输入1个输出时，用3个隐节点
在20个输出1个输出时，用7个隐节点
往往这是最直接的方法，说白了，就是根据经验和直觉拍脑袋设置一个隐节点参数
当然，这种直觉并非不无道理，它是基于对BP神经网络的深刻理解下的产物
04. 试凑法优化
在设置了BP神经网络隐节点个数后，还可以用试凑法优化隐节点个数
试凑法指的是，在原设定的节点个数上，
逐步增加（减少），试探多少个节点时拟合效果最佳。
由于网络训练好坏跟随机初始化有关，
每次试探隐节点参数的效果时，
一般会多训练几次，取平均误差作为的该参数的误差评估
本节讲述一个确定BP神经网络隐节点个数的案例
本案例仅供参考，给大家设置BP神经网络隐节点时提供思路和借鉴
案例背景
20个输入，1个输出，
隐节点个数确定流程
隐节点的确定分为两个阶段：初步确定和优化
建模初步阶段寻找有效可用的隐节点个数
1. 先用建模经验，大概估计需要6个隐节点，进行初步建模
2. 建模后发现训练数据和测试数据的预测效果都不错
则可认为6个隐节点已经是较为合理的设置
如果效果不佳，则需要尝试不同的参数
直到找到一个效果可以接受的设置
建模收尾阶段优化隐节点个数
在建模开始进行收尾时，
利用试凑法对隐节点个数进一步优化，
例如当前使用的是6个隐节点，
不妨从3到12都试一遍，
找出效果最好的隐节点个数,
最终发现隐节点设为7个时效果最佳
试凑法具体见《隐节点试卷法例子与代码》
结果
以7作为最终隐节点的个数
End