我的模型似乎不起作用，因为准确度和损失为 0

Question

我尝试使用 keras 设计 LSTM 网络，但准确度为 0.00，而损失值为 0.05，我编写的代码如下。

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(128, activation = tf.nn.relu))
model.add(tf.keras.layers.Dense(128, activation = tf.nn.relu))
model.add(tf.keras.layers.Dense(1, activation = tf.nn.relu))



def percentage_difference(y_true, y_pred):
    return K.mean(abs(y_pred/y_true - 1) * 100)



model.compile(optimizer='sgd', 
             loss='mse',
             metrics = ['accuracy', percentage_difference])

model.fit(x_train, y_train.values, epochs = 10)

我的输入训练和测试数据集已使用 pandas 库导入。功能数量为 5，目标数量为 1。所有努力将不胜感激。

Answer 1

据我所知，您正在使用 神经网络 来解决 回归 问题。

回归是预测continuous值的任务，通过学习各种独立特征。

因此，在回归问题中，我们没有像 accuracy 这样的 metrics，因为这是用于 supervised 学习的 classification 分支。

回归的accuracy等价物可以是确定系数或R^2 Score。

from keras import backend as K

def coeff_determination(y_true, y_pred):
    SS_res =  K.sum(K.square( y_true-y_pred ))
    SS_tot = K.sum(K.square( y_true - K.mean(y_true) ) )
    return ( 1 - SS_res/(SS_tot + K.epsilon()) )

model.compile(optimizer='sgd', 
         loss='mse',
         metrics = [coeff_determination])