我应该使用哪种类型的 ANN？答案

【问题标题】：which type of ANN should I use?我应该使用哪种类型的 ANN？
【发布时间】：2021-09-06 03:31:21
【问题描述】：

我正在做一个项目，我必须预测甲烷产量

输入：pH、温度、溶液浓度产量：生产亚甲基

我用过 Keras TensorFlow

我的问题是：

（截至目前我有60个实验数据）准确率总是0.2-0.3 为什么？我应该增加数据数量吗？
我使用了以下代码：

classifier.add(Dense(6, activation='relu', kernel_initializer='uniform',input_dim=9))
classifier.add(Dense(6, kernel_initializer = 'uniform', activation = 'relu'))
classifier.add(Dense(1, kernel_initializer= 'uniform', activation = 'sigmoid'))
classifier.compile(optimizer = 'adam', loss='mean_squared_error',metrics=['mean_squared_error'])
classifier.fit(X_train, y_train, batch_size = 10, epochs = 100)

3.可以预测二进制输出以外的东西，对吗？如果没有，那么哪一个适合预测非二进制值

【问题讨论】：

深度学习模型不适用于非常有限的数据量。要么扩充数据，要么获取更多数据以查看更好的结果。

标签： python tensorflow keras

【解决方案1】：

如果您只有 60 个数据点，那么肯定会尝试获取更多数据。一般来说，拥有数百个（如果不是数千个）数据点来有效地训练神经网络是件好事。你的网络看起来不错（假设这些输入和输出之间的关系是相当线性的），如果不是这种情况，你可以尝试让你的隐藏层更宽（更多的神经元）。

除了二进制输出之外，绝对可以预测，实际上看起来您的网络应该这样做。这实际上仅取决于您放在输出层上的激活函数。例如，softmax 适用于在有多个可能标签时对数据进行分类。对于二元分类，sigmoid 激活函数很好。如果您只是想预测输出数量，您的输出可能没有激活函数。

【讨论】：