我正在尝试根据报告中提到的症状对医学报告进行分类。我正在做的步骤是
1）从每个医疗报告中提取症状。
2）创建一个从所有医疗报告中提取的所有症状的集合，到目前为止，总术语为3700。
3）创建一组所有在这些出院总结中诊断和提及的疾病，到目前为止，总计为1500。
4）现在，我遍历所有医疗报告，并为每个报告及其诊断创建一个热载体。我有5000个文件。
对于症状，我得到的是5000 X 3700的矩阵
其中每一行代表一个文档，而每一列则显示一个症状。如果文档中存在症状，则该列的值为1，否则值为零，即为
为了诊断，我得到5000 X 1500的矩阵
I am using a backward propagating neural network for training. The network has 3700 input neurons, 1 hidden layer and 1500 output neurons.
从这里http://jrmeyer.github.io/tutorial/2016/02/01/TensorFlow-Tutorial.html使用该代码创建分类器。
问题是，无论我训练了多少（到目前为止，我已经尝试了25000个纪元），我的成绩都很糟糕，
当我期望有5个标签时，输出具有160个以上标签的最大概率值（1）。
有什么我可能做错的事情，或者我应该怎么做才能改善结果。
更新：我也尝试用最少的数据（100个文档和85000个纪元）来测试网络。
可能导致该问题的一个问题是，从每个文档中最多提取15-20个项，因此一个热向量有20个1s和3680 0s。有人可以建议这是否是问题所在吗？
最佳答案
没有足够的细节来了解您的问题和实现
但是一个很好的起点可以帮助您了解是否存在更多技术问题（错误，网络体系结构等）或数据问题，是创建您认为适合模型的综合数据（假冒某些疾病，每种疾病有一系列症状）
如果模型无法提供理想的结果，则可能是技术问题。
如果是这样，则很可能是数据问题：也许您的数据太嘈杂，或者基础模型更复杂，或者您没有足够的数据。
关于machine-learning - 神经网络性能优化，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43571202/