在修复我的代码并准备好我的训练数据后，我发现自己面临 2 个问题。
背景： 我的数据由第一列的日期（每分钟一个条目）和第二列的拥塞（值，在 0 到 200 之间）组成。我的目标是将它提供给我的神经网络，以便能够预测下周每分钟的拥堵情况（我的数据集超过 10M 的条目，我不应该遇到缺乏训练数据的问题）。
问题： 我现在有两个问题。首先关于损失、优化器和线性。似乎它们中有一定数量，并且它们都有一个比另一个更好的域，您会为这个项目推荐哪一个？ （目前在我的测试中，我使用 Adam 作为优化器，使用 mean_square 作为损失和线性激活）。
我的第二个问题更像是我遇到的一个错误（可能与我使用错误的损失/优化器有关）。当使用我的代码（目前有 10 000 个训练数据）时，我的准确度为 0，损失低（0.00X）和错误的预测（甚至不接近现实）。你知道它可能来自哪里吗？
【问题讨论】：
标签： python machine-learning tensorflow tflearn
您正在尝试做的事情称为时间序列预测（给定时间 tn, t-(n+1) ... t-1 的数据：预测时间 的状态t) 并且通常是循环神经网络的任务。 Here 是 Andrej Karpathy 写的一篇很棒的博客文章，关于你应该看看的主题。
关于你的两个问题：
这很难回答，因为使用什么优化器的问题在很大程度上取决于输入数据。一般来说，无论您使用什么优化器，网络都会收敛。然而，收敛所需的时间会有所不同。自适应学习率方法，如 Adagrad、Adadelta 和 Adam，趋向于更快地实现收敛。 Here 是对不同优化器的一个很好的描述。
基本神经网络 (MLP) 在时间序列预测方面表现不佳。这将是对低准确性的解释。但是我不知道为什么损失会是0。
【讨论】：
Training Step: 460 | total loss: 0.00238 | time: 0.332s | Adam | epoch: 006 | loss: 0.00238 - binary_acc: 0.0000 -- iter: 8320/9999
Training Step: 7100 | total loss: 0.00304 | time: 1.385s | Adam | epoch: 100 | loss: 0.00304 - binary_acc: 0.0000 | val_loss: 0.00260 - val_acc: 0.0000 -- iter: 8999/8999
binary_accuracy 是如何计算的，我认为在这种情况下很好。我无法解释为什么损失这么低。但是，您可以看到它在训练期间并没有改善。这表明您当前的网络架构没有收敛。