- 主题:这样的问题应该用什么深度学习算法？
其实就是一个预测问题，
一个待预测的参数受环境变量影响，比如温度、湿度、风向等。
目前有温度、湿度、风向等构成的训练集，用一般的浅层学习或者SVM，RF等，该参数的预测精度大概在95%。
想通过深度学习把预测精度提高到98%以上。
网上大多数能找到的资料都是CNN相关的，反而这种传统意义的预测资料很少。
我现在不清楚的是CNN能做这个问题吗？或者其他什么深度学习算法适用？
谢谢大家
--
FROM 92.196.78.*
这是典型的集成算法场合了
数据少输入变量少的场合，DNN容易过拟合没有优势，没有局部不变性的场合，CNN没有意义而且效果不如DNN
【 在 xuhong05 的大作中提到: 】
: 其实就是一个预测问题，
: 一个待预测的参数受环境变量影响，比如温度、湿度、风向等。
: 目前有温度、湿度、风向等构成的训练集，用一般的浅层学习或者SVM，RF等，该参数的预测精度大概在95%。
: ...................
--
FROM 27.91.71.*
所以还有什么比DNN好的吗？兼顾考虑过拟合 准确率等问题
--
FROM 60.10.194.*
谢谢，那如果要对一般的神经网络（比如RBF）结构参数（比如隐含层数目，训练测试的比例）进行优化，目的是在防止过拟合的情况下提高精度，哪些方法效果会比较好呢？
【 在 xiaoju 的大作中提到: 】
: 这是典型的集成算法场合了
: 数据少输入变量少的场合，DNN容易过拟合没有优势，没有局部不变性的场合，CNN没有意义而且效果不如DNN
:
--
FROM 92.196.42.*
RBF算一般的神经网络么？
【 在 xuhong05 的大作中提到: 】
: 谢谢，那如果要对一般的神经网络（比如RBF）结构参数（比如隐含层数目，训练测试的比例）进行优化，目的是在防止过拟合的情况下提高精度，哪些方法效果会比较好呢？
--
FROM 155.64.23.*
这个看划分吧，无所谓了
【 在 xiaoju 的大作中提到: 】
: RBF算一般的神经网络么？
:
--
FROM 92.196.42.*