Question

还是matlab神经网络的问题

我有20组样本，变量数5个，输出是一个数，我们暂时称它为F值，称样本为S1到S20。F 属于（-1,1）
任务是计算最后一个样本S21的F值。我用feedforwardnet一切采用默认设置尝试了几次（因为不大会调），差异有点大。
增大样本量是做不到的，于是我想这样修改模型，只是一个设想，想向你请教一下是否合理。

1.F的本质是评价公司财务状况的一个值。于是我想根据F值大小把样本财务状况分为A,B,C三级，用A,B,C来评价公司财务状况。
模型方面，无法增大样本量，就增加预测次数。
循环构建BP神经网络100次，预测F值100次，每次根据当次预测的F值，将A,B或C加1。
最后得到100次模拟中预测落入A,B,C区间的次数来评价财务状况。
请问这样设计的是否合理一些呢，或者您有没有别的什么建议呢？

2.还有想请问，在这样的模型中默认的15%的Validation和15%的Test有意义吗？我想每次构建新的net后将100%的20个样本都拿来Train合理吗？

Answer 1

1. 我暂时无法评价1中的思路。尽管理论上存在用弱分类器组合成强分类器的方法，但是要求每个弱分类器都得有50%以上的准确率。我不知道你这里能不能达到。所以只能说，试试吧。

2. 理论上可以去掉Test，因为你的测试集实际上就是S21，并不在S1-20中。而理论上Validation则最好保留，我只能说他对保证模型的泛化能力有帮助。

3. 不过，总结一句话，只要你结果做的对，怎么玩都行。