如何提高 Apache Spark 多层感知器分类器的准确性？答案

【问题标题】：How to improve Apache Spark Multi Layer Perceptron Classifier accuracy?如何提高 Apache Spark 多层感知器分类器的准确性？
【发布时间】：2017-06-19 07:50:22
【问题描述】：

我正在使用 Apache Spark Mllib 实现一个多层感知分类器。在下面的代码中，我只使用了两层，即输入层和输出层。而我的准确率只有 33%。当我尝试将更多图层添加为int[] layers = new int[] {36,30,20,13}; 时，我得到了 27% 的准确率。我尝试过使用各种随机数作为图层。但是准确率很低。你能帮我提高准确性吗？

        int[] layers = new int[] {36,13};
// create the trainer and set its parameters
        MultilayerPerceptronClassifier trainer = new MultilayerPerceptronClassifier()
                .setLayers(layers)
                .setBlockSize(128)
                .setSeed(1234L)
                .setMaxIter(100);
// train the model
        MultilayerPerceptronClassificationModel model = trainer.fit(newFrame2);

【问题讨论】：

标签： machine-learning neural-network apache-spark-mllib

【解决方案1】：

您的数据集中有多少特征和类？通常，MLPC 中的层是描述前馈神经网络中层的数字向量。向量中的每个元素都给出了层的大小。

例如，c(4, 5, 2) 表示三层，输入（特征）层大小为 4，中间层大小为 5，输出（类）层大小为 2。

因此，相应地定义您的图层。希望这可以帮助。

【讨论】：