当我在阅读如何在pybrain中构建ANN时,他们说:
训练网络一些时代。通常你会设置像5这样的东西,
trainer.trainEpochs( 1 )
我查找了这个术语的含义,然后得出结论:我们使用数据时代来更新权重。如果我选择按照pybrain建议将数据进行5次时代的训练,则数据集将被分成5个子集,并且权重将在最多5次更新。
我熟悉在线训练,其中权重在每个样本数据或特征向量之后更新。我的问题是如何确定5个时代足以建立一个模型并正确设置权重?这种方式与在线训练相比有什么优势?此外,在线训练中使用术语“时代”,它是否意味着一个特征向量?