Какие данные использовать в качестве входных данных для регрессионного компонента?

Question

Я попытался использовать Loginom для решения проблемы, которая упоминается на сайте Loginom со ссылкой: https://marketplace.loginom.ru/datasets/otp-bank.html.

Я использовал компонент "нейросетевая регрессия" в качестве основного компонента для решения этой проблемы, и я столкнулся со многими проблемами:

1. выбрать, какие столбцы входных данных использовать в качестве входных данных для нейронной сети.
2. время обучения занимает слишком много времени, когда я использую все столбцы.
3. ошибка обучения не уменьшается, когда я тренирую нейронную сеть больше раз.

Я думаю, что вы можете дать мне несколько рекомендаций, чтобы улучшить мое решение.

Answer 1

Здравствуйте!

Отвечая на Ваши вопросы:

1. Выбирать данные, с которыми будет работать нейросеть, следует исходя из того, какие результаты Вы хотите получить. В этом вопросе сложно дать рекомендации, кроме очевидного совета: чем больше данных, тем точнее будет прогноз.

2. Дело в том, что при первом запуске выстраивается модель, по которой будет работать узел. Это действительно может занимать относительно много времени. После обучения нейросеть будет работать по уже построенной модели, что будет гораздо быстрее. Также, рекомендую проверить режим активации узла ( https://help.loginom.ru/userguide/scenario/setting-batch-processing-mode.html). От этого зависит как нейросеть будет работать (обучение - работа по модели, переобучение каждый раз и т.д.)

3. Возможно Вы переобучаете нейросеть, в этом случае количество запусков не влияет на ошибку, т.к. нейросеть каждый раз начинает с нуля. Могу посоветовать почитать про параметры обучения в справке: https://help.loginom.ru/userguide/processors/datamining/neural-network-regression.html#parametry-obucheniya

Также оставлю ссылку на статью про компонент "Нейросеть (регрессия)" в справке: https://help.loginom.ru/userguide/processors/datamining/neural-network-regression.html