27、旅行模式分类：机器学习与深度学习方法的对比研究

旅行模式分类：机器学习与深度学习方法的对比研究

1. 模型参数设置

在后续使用LSTM/Bi - LSTM模型的所有实验中，我们将隐藏节点的数量设置为256。对于学习率，我们在所有实验中使用Adam优化器的默认值0.001。批量大小在所有实验中设置为64。对于训练轮数（epochs），我们尝试通过将其值从25以5为增量变化到40来调整这个参数。

增加训练轮数显然会增加训练时间，因此在表5中我们没有报告训练时间。与上述调优实验类似，我们将序列长度和隐藏节点的数量分别设置为140和256。从表5可以看出，当我们将训练轮数从25改变到40时，准确率变化不大。结合表4中隐藏节点数量设置为256的结果，我们观察到当训练轮数从20增加到30时，验证准确率开始下降。当训练轮数分别设置为35和40时，验证准确率先上升然后再次下降。因此，为了防止过拟合，我们在后续实验中将训练轮数设置为30。

数据集	隐藏节点数量
	100	128	200	256	300
	acc	tr_t	acc	tr_t