Bonjour à tous,
j'ai un problème de classification (1 ou 0). J'ai une base de données de 1400 observations, contenant 5 caractéristiques chacunes). J'ai donc 5 neurones en entrées, j'en ai mis 3 en caché et 1 en sortie (fonction sigmoïde).
Pour l'instant, j'ai découpé ma base en base de training, de validation et de test(en utilisant matlab), avec une proportion de 50-25-25. ( ce qui correspond à créer un réseau, et je peux le recréer plusieurs fois en réinitialisant les poids), mais avec toujours la même base de training, de val et de test.
Etant donné que je n'ai pas beaucoup de data, j'aimerai utilisé la méthode du leave one out. Toutefois je ne comprends pas bien le fonctionnement. Car au final nous aurons donc pour ce cas-ci, si je comprends bien, 1400 bases de training (contenant 1399 obs. chacune) et 1400 observations (1 par test). Ce qui implique que je vais devoir créer 1400 réseaux de neurones, non??? et j'entraînerai chaque réseau avec les 1399 obs et je le teste avec seulement 1 observation.... si c'est le cas, après comment choisir celui que je garde au final????? je pense que je n'ai pas tout compris au principe.
merci beaucoup
Partager