Keras 精度返回 0

Question

所以基本上，我正在研究这个子弹优化程序。我想研究不同的弹道参数，如重量、长度和质量如何影响弹道系数。但是，我的训练准确率是0，虽然有loss和val_loss。我已经阅读过关于此的类似 Stackoverflow 帖子，但到目前为止没有一个对我有帮助。也许我只是没有做对；我引用https://stackoverflow.com/a/63513872/12349188

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.utils import shuffle

df = pd.read_csv('Bullet Optimization\ShootForum Bullet DB_2.csv')

from sklearn.model_selection import train_test_split
from sklearn import preprocessing
dataset = df.values
X = dataset[:,0:12]
X = np.asarray(X).astype(np.float32)

y = dataset[:,13]
y = np.asarray(y).astype(np.float32)

X_train, X_val_and_test, y_train, y_val_and_test = train_test_split(X, y, test_size=0.3, shuffle=True)
X_val, X_test, y_val, y_test = train_test_split(X_val_and_test, y_val_and_test, test_size=0.5)

from keras.models import Sequential
from keras.layers import Dense, BatchNormalization

model = Sequential(
    [
        #2430 is the shape of X_train
        #BatchNormalization(axis=-1, momentum = 0.1),
        Dense(32, activation='relu'),
        Dense(32, activation='relu'),
        Dense(1,activation='softmax'),
    ]
)

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

history = model.fit(X_train, y_train, batch_size=64, epochs=100, validation_data=(X_val, y_val))

我的代码做错了吗？我知道一些 python，但我只是出于自己的目的在教程的基础上构建。

Answer 1

你的代码有几个问题。

首先这一行：

Dense(1,activation='softmax')

此行每次都会导致输出1。因此，即使您进行分类，如果您有 2 个类别，您的准确率也会达到 50%。 Softmax 输出的总和将等于一。所以对一个神经元使用它是没有意义的。

您需要更改损失和指标，因为这是一个回归。

loss='mse', metrics=['mse']

您的输出神经元也应该是线性的，这意味着不需要任何激活函数。应该是这样的：

Dense(1)