RNN LSTM 情感分析模型，准确率低答案

【问题标题】：RNN LSTM Sentiment analysis model with low accuracyRNN LSTM 情感分析模型，准确率低
【发布时间】：2019-03-17 04:25:23
【问题描述】：

我有一个包含 200000 个样本的数据集。我正在使用 Sklearn 的 train_test_split。

model = Sequential()
model.add(Embedding(50000,128, input_length=14))
model.add(LSTM(16, return_sequences=True, dropout=0.3, recurrent_dropout=0.2))
model.add(LSTM(16, dropout=0.3, recurrent_dropout=0.2))

model.add(Dense(1, activation='sigmoid'))
model.compile(loss='mean_squared_logarithmic_error', optimizer='Adam', metrics=['accuracy'])

我的准确率很低 = 0.39。

我能知道我在这里做错了什么吗？

【问题讨论】：

标签： keras lstm recurrent-neural-network sentiment-analysis

【解决方案1】：

尝试在 LSTM 和最后一层之间添加更多全连接层

model = Sequential()
model.add(Embedding(50000,128, input_length=14))
model.add(LSTM(16, return_sequences=True, dropout=0.3, recurrent_dropout=0.2))
model.add(LSTM(16, dropout=0.3, recurrent_dropout=0.2))
####model.add(Dense(10))####
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='mean_squared_logarithmic_error', optimizer='Adam', metrics=['accuracy'])

【讨论】：

【解决方案2】：

低是相对的。您期望的准确度是多少，您的基准模型是什么？

另外，您为什么要为您的超参数选择这些特定值？您是否尝试过寻找最优超参数？

【讨论】：