机器学习之BP神经网络学习笔记（基于matlab实现）
关于BP神经网络，你不得不注意的问题
1.模型超参数 【机器学习之BP神经网络学习笔记（基于matlab实现）】***BP神经网络我在学习的过程中模型参数主要觉得这几个需要关注（学习率，隐藏层神经元个数，隐藏层层数【默认为1】）
***学习率一般范围是0.01-0.25，学习率太大容易过拟合，太小容易欠拟合，这里可以利用for循环，挨个试试，选取一个最好的参数。
***隐藏层神经元有很多的经验公式确定，但是经验公式并不一定具有代表性，可以根据某个经验公式利用for进行尝试确定。
***隐藏层层数这里就感觉要是模型输入参数复杂的话需要多设立一些，之前看的文献好像是十几个隐藏层，每层60个神经元，但是感觉有时候一层效果就整挺好。
2.过拟合问题 有很多方法，像提前终止法，正则化方法（L1或L2正则化）等，最直接的是增大训练样本，数据质量感觉还是最主要的影响因素。
3.模型构建 主要函数
net = newff(p_train,t_train,S1);
%p_train 训练集输入
%t_train 训练集输出
%S1 隐藏层神经元个数
4.结果 这里可以用RMSE或者R2或者其他精度评价标准，在这里不太会用得分什么的，没有太仔细研究。
5.一些原理问题及个人感受 BP神经网络属于反向传播的网络，即误差反向传播，每一次训练都会根据训练结果不断的优化上一次得到的权值和阈值，但是也造成了模型的不确定性，建议固定训练样本的选取可能会更好一些。BP神经网络也由于这个调整权值
阈值，当数据量很大时，运行时间也大大增加，这里应该有很多加速方法，不过没有尝试，有时间再试试。
要注意的问题 1.数据输入时要归一化，防止拟合极端化，同样最后经度对比时要反归一化
2.个人觉得随机采样挺好用的，建议多尝试采样方式，选择效果最好的
3.可以用交叉验证对比模型效果
如果有理解的不到位的地方，希望批评指正，一起交流学习。
推荐阅读
- 慢慢的美丽
- 开学第一天（下）
- 奔向你的城市
- 学无止境，人生还很长
- 由浅入深理解AOP
- “成长”读书社群招募
- 继续努力，自主学习家庭Day135(20181015）
- python学习之|python学习之 实现QQ自动发送消息
- 每日一话（49）——一位清华教授在朋友圈给大学生的9条建议
- 小影写在2018九月开学季