我无法得到预期的准确率

[zyl24]

您好，我尝试按照论文中的描述，调整模型的参数值：

对应到代码中这一部分：

# Total lossA
self.loss = (features_loss + self.lambda_ * structure_loss) + 0.1 * self.XZ_loss + 5 * self.C_loss  +  1 *self.dense_loss
# self.loss = features_loss + self.lambda_ * structure_loss + 10 * self.C_loss + self.dense_loss # without pd 0.678
# self.loss = features_loss + self.lambda_ * structure_loss + 10 * self.C_loss + 100 * self.XZ_loss # without ss 0.64
# self.loss = features_loss + self.lambda_ * structure_loss  + 100 * self.XZ_loss + self.dense_loss # without clustering loss
return self.loss, self.H, self.C, self.pred, self.dense_loss, self.z, features_loss, structure_loss#, self.C_loss, self.XZ_loss

最终在Cora数据集上得到如下结果：

Epoch--995: time: 501.838:
acc: 0.67872969 nmi: 0.51988349 f_score: 0.60493104 ari: 0.45633046
Epoch--996: time: 502.479:
acc: 0.67909897 nmi: 0.51989684 f_score: 0.60486178 ari: 0.45696338
Epoch--997: time: 503.102:
acc: 0.67836041 nmi: 0.51759465 f_score: 0.60393833 ari: 0.45571426
Epoch--998: time: 503.696:
acc: 0.67651403 nmi: 0.51489665 f_score: 0.60190142 ari: 0.45244131
Epoch--999: time: 504.392:
acc: 0.67762186 nmi: 0.51728817 f_score: 0.60408646 ari: 0.45316671

而预期的准确率能达到 0.76。请问我是否还应该修改代码的其他部分？另外如果可以的话，请您提供一下Citesser 和 Pubmed 的参数配置！非常感谢！

[dugzzuli]

个人理解：

虽然有时候程序中设置了最大的epoch，但是在最大的epoch的地方不一定能够无获得最好的结果。 你看一下中间的epoch是否有好的聚类结果。

Epoch--270: time: 256.188:
acc: 0.72821270 nmi: 0.56114512 f_score: 0.62277688 ari: 0.51897839

[zyl24]

个人理解：

虽然有时候程序中设置了最大的epoch，但是在最大的epoch的地方不一定能够无获得最好的结果。 你看一下中间的epoch是否有好的聚类结果。

Epoch--270: time: 256.188:
acc: 0.72821270 nmi: 0.56114512 f_score: 0.62277688 ari: 0.51897839

您好，我尝试了观察中间结果，acc 的确会出现 0.74 的情况，谢谢！