在 r 中使用 keras 将 acc 和 val_acc 归零

Question

我是 ANN 和 ML 的新手。我使用 keras 编写了一段简单的代码来训练我的 ANN。该 ANN 有 165 个输入和 1 个输出，具有多个观察值（回归模型）。我的问题是 acc 和 val_acc 都为零，这对我来说毫无意义。我不确定根本原因是什么，我的模型设置或我的数据。另外两个问题是 1）如果我训练这个模型两次，会得到不同的结果； 2）对于模型评估，我应该使用哪些数据集，训练数据还是测试数据？谢谢！

model = keras_model_sequential()
model %>% layer_dense(units = 10, activation = 'relu', input_shape = 165)
model %>% layer_dense(units = 6, activation = 'relu')
model %>% layer_dense(units = 1)

summary(model)

model %>% compile(
  loss = "mean_absolute_percentage_error",
  optimizer = optimizer_adam(lr = 0.001, beta_1 = 0.9, beta_2 = 0.999 ),
  metrics = c('accuracy')
)

Fitted_model = model %>% fit(
  x_train, y_train,
  epochs = 50, batch_size = 20,
  validation_split = 0.2
)

score <- model %>% evaluate(
  x_train, y_train
)

cat('Test loss:', score$loss, '\n')
cat('test accuracy:', score$acc, '\n')

y_predict <- model %>% predict(x_test, batch_size = 128)

Answer 1

我在这里问我的问题，因为我没有获得评论的特权...... 如果是您的数据或模型导致了您的问题，要获得答案，我们需要查看数据，或者至少了解数据的形状。此外，模型的某些输出（例如准确性等）也不会受到伤害。

对于您的问题 1：您所说的不同结果是什么意思？通常你初始化每一层的权重。如果你不设置你的 kernel_initializer 属性，keras 使用

kernel_initializer ='glorot_uniform'

如 API 中所示。 https://keras.io/layers/core/ 因此，如果您不设置种子，则每次跑步的体重都会有所不同。这就是为什么即使使用相同的数据进行训练也会得到不同的结果。

问题 2： 通常您使用训练数据的子集作为验证数据。有关这方面的更多信息，您可以阅读https://towardsdatascience.com/train-validation-and-test-sets-72cb40cba9e7

总体而言，即使您使用模型已经看到的数据（您的训练数据），您的 0% 验证准确度也表明您的模型在训练时并没有真正学习。这可能是因为您的网络非常小，但功能很多。您可能会尝试更仔细地选择您的特征并进行特征选择。你可以在这里找到一些输入https://towardsdatascience.com/feature-selection-techniques-in-machine-learning-with-python-f24e7da3f36e 您还可以增加网络并调整超参数以获得更好的结果（但我将从特征选择开始）。要了解超参数调整，这可能会有所帮助：https://www.analyticsvidhya.com/blog/2018/11/neural-networks-hyperparameter-tuning-regularization-deeplearning/

我希望这会有所帮助。如果有任何不清楚的地方，请随时询问。