当我运行神经网络时，进行训练的唯一方法是将 X 除以 1000。网络还需要以 0.03 的训练率训练 70000 次以下，如果这些值更大，神经网络会变得更差。我认为这是由于数据处理不当以及可能缺乏偏见造成的，但我真的不知道。 Code on Google Colab
最佳答案
简而言之:您提到的所有问题以及更多问题。
- 扩展至关重要，typically to 0 mean and a variance of 1 。否则，您将很快使隐藏单元饱和，它们的梯度将接近零并且(几乎)无法进行学习。
- 对于此类人工神经网络，偏差是强制性的。它就像拟合线性函数的偏移量。如果你丢掉它，就很难找到合适的了。
- 您似乎正在检查训练数据的准确性。
- 您的训练样本非常少。
- Sigmoid 被证明是糟糕的选择。使用 ReLU 并检查例如here进行解释。
另外，我建议在讨论这个问题之前花一些时间学习 Python。首先，请避免使用 global，如果不小心，可能会导致不可预见的行为。
关于python - 如何更好地处理数据并设置神经网络参数？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/54675062/