为 Keras ANN- 线性回归选择层/函数

Question

当我运行线性回归 ANN（预测加州房价）时，我得到了大量的损失数字和 0 的准确性。 任何人都可以为此类问题建议更好的激活功能。

https://drive.google.com/file/d/1dcUuTVVDGwxHn2O5qqJk0wgiEf83MslN/view?usp=sharing

我尝试了从 .1 到 10 的损失率的多次迭代，尝试使用 ReLU 3 中子的 2 层，尝试将 epochs 增加到 10K，尝试 softmax。

from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import Adam


model = Sequential()
model.add(Dense(2, input_shape=(6,), activation='relu'))
model.add(Dense(3, activation='relu'))
model.add(Dense(2, activation='softmax'))
model.add(Dense(1, activation='linear'))
model.compile(Adam(lr=0.5),
          loss='mean_squared_error',
          metrics=['accuracy'])


model.fit(X_train, y_train, epochs=10000, verbose=2,     validation_split=0.4)

Epoch 60/10000 - 1s - 损失：48621637708.0739 - acc：0.0000e+00 - val_loss：49522900789.2154 - val_acc：0.0000e+00

Answer 1

你在这里遗漏了一些关于深度学习的基本知识。 准确度是用于分类的指标，但您要做的是回归，即不预测 class 标签而是预测连续值。 深度学习领域有两种不同的东西。 因此，softmax 作为 output 层对你没有多大帮助。 在这种情况下，您的指标也应该是 MSE。

高于 1.0 的学习率也非常少见，Adam 的默认值为 0.001。 一般来说，如果您不确定学习率，请坚持使用默认值。 所以也许错误就在那里，尝试降低学习率并再试一次。

Softmax 激活作为中间层激活也不常见，我建议用 ReLU 替换它。 您使用的神经元数量也非常少，添加更多神经元也会有所帮助。

Answer 2

[现在的情况]

我猜你是根据“housing_median_age、total_rooms、total_bedrooms、population、households、median_income”来预测“median_house_value”的。

你的 model 有大约 30 个参数。 您的输入功能和 output 目标具有不同的范围。 而你的损失表明 model 根本没有受过训练。

[回答]

一个简单的答案是

1. 扩大深度学习model，当你得到适当的损失值时，减少你的model
2. 标准化您的输入和 output。

但是，我建议您从为 GitHub 中的回归任务设计的其他深度学习模型开始。