一旦看到从验证集计算出的错误开始增加,我想停止训练网络。我使用带有RPROP的BasicNetwork作为训练算法,并且进行了以下训练迭代:
double validationError = 999.999;
while(!stop){
train.iteration(); //weights are updated here
System.out.println("Epoch #" + epoch + " Error : " + train.getError()) ;
//I'm just comparing to see if the error on the validation set increased or not
if (network.calculateError(validationSet) < validationError)
validationError = network.calculateError(validationSet);
else
//once the error increases I stop the training.
stop = true ;
System.out.println("Epoch #" + epoch + "Validation Error" + network.calculateError(validationSet));
epoch++;
}
train.finishTraining();
显然,这是行不通的,因为在弄清楚我是否需要停止训练之前,已经更改了权重。无论如何,我可以退后一步来使用旧的砝码吗?
我还看到
EarlyStoppingStrategy
类,可能是我需要通过使用addStrategy()
方法来使用的类。但是,我真的不明白为什么EarlyStoppingStrategy
构造函数同时使用验证集和测试集。我以为它只需要验证集,而在我测试网络的输出之前根本不应该使用测试集。 最佳答案
Encog的EarlyStoppingStrategy类根据本文实现了一种早期停止策略:
Proben1 |一组神经网络基准问题和基准规则
(完整引用包含在Javadoc中)
如果您只是想在验证集的错误不再改善后立即停止,则可能只想使用Encog SimpleEarlyStoppingStrategy,可在以下位置找到:
org.encog.ml.train.strategy.end.SimpleEarlyStoppingStrategy
请注意,SimpleEarlyStoppingStrategy需要Encog 3.3。