『壹』 200組數據可以訓練神經網路嗎
不行
神經網路的數據需要1000個以上，其中訓練樣本至少700以上，驗證樣本至少300以上。
『貳』 BP神經網路學習樣本是不是越多越好！
這個沒有明確要求，樣本也不是越多越好。通常情況下，你的樣本可以一部分用來做驗證。版加速你權有100個樣本，90%用來做訓練，10%用來做驗證等，當然，有時候還得留下10%做測試用。我個人的經驗是，樣本數盡量在10以上吧。
『叄』 BP神經網路的訓練集需要大樣本嗎一般樣本個數為多少
這個沒有明確要求，樣本也不是越多越好。
通常情況下，你的樣本可以一部分用回來做驗證。
加速你有100個樣本，答90%用來做訓練，10%用來做驗證等，當然，有時候還得留下10%做測試用。
我個人的經驗是，樣本數盡量在10以上吧。
『肆』 bp神經網路預測是不是數據越多，預測能力就越好
您好，一般來說是數據越多越好，但是增加數據量並不是唯一增強預測能力的方式，還可以通過調整超參數、改變網路結構、使用正則化/BN層等防過擬合技術、改進數據質量等方法，來實現預測能力的增強。
『伍』 bp神經網路，是不是數據越多，預測能力越好！
准確的說是數據越全面，越能體現數據分布，預測才越好
但一般我們也不知道數版據原本的分布是怎麼權樣的~所以，收集越多的不同的數據，一般來說預測就越好。當然，如果發現數據多到一個程度後，預測效果沒什麼變化，說明數據的表達能力，或者說數據的分布已經很充沛了，特徵方差不變了，多了也沒什麼用
『陸』 關於BP神經網路的
樣本數據越多越准確不錯，然而數據越多，網路越復雜，需要訓練的次數越來越多，所以收斂的越來越慢，所以可能訓練500次都達不到精度，你可以適當增大學習率，會變快一些。
『柒』 神經網路的數據量多少比較合適
一般來說要1萬以上，越多越好，但要保證採集標准統一，且輸出為相同的數據不能太多。
『捌』 BP神經網路輸入層和訓練次數怎樣選擇
輸入層就是看你研究的結果影響因子的數目，而訓練次數是程序自己計算的，因為你要設定誤差目標，模型誤差到達你設定的目標誤差時訓練結束，這時的訓練次數就是最終訓練次數。