Azure 和 Weka 中的神经网络训练答案

【问题标题】：Neural network training in Azure and WekaAzure 和 Weka 中的神经网络训练
【发布时间】：2017-05-02 18:40:27
【问题描述】：

我正在使用一些数据集（.arff 文件）在 Weka 和 Azure 中训练神经网络。对于每个数据集，我得到 WEKA/Azure 之间的总体准确度差异高达 5%。显然，我使用相同的训练参数，例如迭代次数、学习率、动量等。这种差异合理吗？

【问题讨论】：

除非您使用完全相同的算法，并且对于涉及的任何随机化具有相同的种子，否则可能是的，但如果您想要一个更好的答案，您必须提供更多关于什么的信息你在做什么，输出是什么。如果你用相同的数据训练同一个网络两次，你会得到同样的准确率吗？
是的。与 WEKA 尝试相同的准确度，与所有 Azure 尝试相同。 WEKA 与 Azure 有一些区别。

标签： azure weka

【解决方案1】：

当然，如果您的输入数据文件相似，但仍包含略有不同的数据值，那么运行之间的分类结果不太可能完全相同，5% 的变化并非闻所未闻。

使用单个数据集进行一些实验，只改变“种子”属性（可能尝试 5 个不同的整数），这将告诉你运行算法时涉及多少随机性，我想是 MultilayerPerceptron .

（说真的，你在这里期待什么样的答案？）

【讨论】：

正如我在上面的评论中所写，“WEKA 尝试的准确度相同，所有 Azure 尝试都相同。WEKA 与 Azure 有一些差异。”我在每个程序中的训练准确度几乎相同，但程序之间存在很小的差异，最高可达 5%。我想要的答案是，这两个程序之间的输出差异是否与程序本身有关，或者 Azure 在神经网络训练中比 Weka 有一些额外的调整。我是 Azure 的新手，这就是我问的原因
一般你提供的信息太少；唯一能回答这个问题的人是在你使用的两个平台上进行过类似实验的人，具有相似、复杂的算法和相似的数据。我想说不要使用 Weka 的 MultilayerPerceptron，因为这更像是一种教学工具，而 Weka 开发人员 Witten 教授是（曾经？）对神经网络持怀疑态度的人。