machine-learning - 如何提高 Apache Spark 多层感知器分类器的准确性？

Question

我正在使用 Apache Spark Mllib 实现多层感知分类器。正如下面的代码所示，我只使用了两层，即输入层和输出层。我的准确率只有 33%。 当我尝试添加更多层时 int[] Layers = new int[] {36,30,20,13}; 我得到了 27% 的准确度。我尝试过为层使用各种随机数。但准确率较低。你能帮助我提高准确性吗？

        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);

Answer 1

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

例如，c(4,5,2) 表示三层，其中输入(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。