回归神经网络返回低范围值进行预测

Question

我正在尝试使用回归 nn 模型预测一个介于 3 到 7 之间的值。我目前有 1000 个样本，每个样本 1000 个点，对应于生理数据。但是，预测值始终在 5.6 到 5.9 的范围内。我试图改变层数，调整参数等。但它只改变了基础值，而不是范围（即预测，例如，在 6.6 到 6.9 的范围内）。

这是算法的基本核心（数据已经标准化）：

X_train, X_test, y_train, y_test = train_test_split(x_0, y_0, test_size=0.2, shuffle = False, stratify = None)
K.clear_session()
model = Sequential()
model.add(Dense(128, activation='relu', input_shape=(1000,)))
#model.add(Dropout(0.2))
model.add(Dense(128,activation='relu'))
model.add(Dense(128,activation='relu'))
model.add(Dense(128,activation='relu'))
model.add(Dense(1,activation='linear'))
model.compile(loss="mean_absolute_error", optimizer=Adam(lr=0.001), metrics=['mean_absolute_error'])

model.summary()
history = model.fit(X_train,y_train,batch_size=30, epochs=10,verbose=1, validation_split=0.2)
score = model.evaluate(X_test,y_test)
print("Test score:", score)
y_pred = model.predict(X_test)

感谢您的帮助！

Answer 1

我猜你的输入是排序的，我可以看到你在train_test_split 中设置了shuffle=False。这意味着您的神经网络从未见过验证值。因此它不会在验证期间进行推断。设置shuffle=True 应该可以工作。