Keras Genauigkeit für mein Modell immer 0, wenn die Ausbildung
Ich bin ziemlich neu auf keras ich gebaut habe, ein einfaches Netzwerk, um zu versuchen:
import numpy as np;
from keras.models import Sequential;
from keras.layers import Dense,Activation;
data= np.genfromtxt("./kerastests/mydata.csv", delimiter=';')
x_target=data[:,29]
x_training=np.delete(data,6,axis=1)
x_training=np.delete(x_training,28,axis=1)
model=Sequential()
model.add(Dense(20,activation='relu', input_dim=x_training.shape[1]))
model.add(Dense(10,activation='relu'))
model.add(Dense(1));
model.compile(optimizer='adam',loss='mean_squared_error',metrics=['accuracy'])
model.fit(x_training, x_target)
Aus der Quelle meiner Daten habe ich entfernt 2 Spalten haben, wie Sie sehen können. Ist einer der Pfeiler, die kam mit Datum im string format (in das dataset daneben habe ich eine Spalte für Tag, ein anderes für den Monat und eine für Jahr, so brauche ich nicht, die Spalte) und die andere Spalte ist die Spalte, die ich als Ziel verwenden für das Modell).
Trainiere ich dieses Modell bekomme ich diese Ausgabe:
32/816 [>.............................] - ETA: 23s - loss: 13541942.0000 - acc: 0.0000e+00
800/816 [============================>.] - ETA: 0s - loss: 11575466.0400 - acc: 0.0000e+00
816/816 [==============================] - 1s - loss: 11536905.2353 - acc: 0.0000e+00
Epoch 2/10
32/816 [>.............................] - ETA: 0s - loss: 6794785.0000 - acc: 0.0000e+00
816/816 [==============================] - 0s - loss: 5381360.4314 - acc: 0.0000e+00
Epoch 3/10
32/816 [>.............................] - ETA: 0s - loss: 6235184.0000 - acc: 0.0000e+00
800/816 [============================>.] - ETA: 0s - loss: 5199512.8700 - acc: 0.0000e+00
816/816 [==============================] - 0s - loss: 5192977.4216 - acc: 0.0000e+00
Epoch 4/10
32/816 [>.............................] - ETA: 0s - loss: 4680165.5000 - acc: 0.0000e+00
736/816 [==========================>...] - ETA: 0s - loss: 5050110.3043 - acc: 0.0000e+00
816/816 [==============================] - 0s - loss: 5168771.5490 - acc: 0.0000e+00
Epoch 5/10
32/816 [>.............................] - ETA: 0s - loss: 5932391.0000 - acc: 0.0000e+00
768/816 [===========================>..] - ETA: 0s - loss: 5198882.9167 - acc: 0.0000e+00
816/816 [==============================] - 0s - loss: 5159585.9020 - acc: 0.0000e+00
Epoch 6/10
32/816 [>.............................] - ETA: 0s - loss: 4488318.0000 - acc: 0.0000e+00
768/816 [===========================>..] - ETA: 0s - loss: 5144843.8333 - acc: 0.0000e+00
816/816 [==============================] - 0s - loss: 5151492.1765 - acc: 0.0000e+00
Epoch 7/10
32/816 [>.............................] - ETA: 0s - loss: 6920405.0000 - acc: 0.0000e+00
800/816 [============================>.] - ETA: 0s - loss: 5139358.5000 - acc: 0.0000e+00
816/816 [==============================] - 0s - loss: 5169839.2941 - acc: 0.0000e+00
Epoch 8/10
32/816 [>.............................] - ETA: 0s - loss: 3973038.7500 - acc: 0.0000e+00
672/816 [=======================>......] - ETA: 0s - loss: 5183285.3690 - acc: 0.0000e+00
816/816 [==============================] - 0s - loss: 5141417.0000 - acc: 0.0000e+00
Epoch 9/10
32/816 [>.............................] - ETA: 0s - loss: 4969548.5000 - acc: 0.0000e+00
768/816 [===========================>..] - ETA: 0s - loss: 5126550.1667 - acc: 0.0000e+00
816/816 [==============================] - 0s - loss: 5136524.5098 - acc: 0.0000e+00
Epoch 10/10
32/816 [>.............................] - ETA: 0s - loss: 6334703.5000 - acc: 0.0000e+00
768/816 [===========================>..] - ETA: 0s - loss: 5197778.8229 - acc: 0.0000e+00
816/816 [==============================] - 0s - loss: 5141391.2059 - acc: 0.0000e+00
Warum ist das passiert? Meine Daten ist eine zeitgesteuerte serie. Ich weiß, dass für die zeitgesteuerte Serie nicht ussually Verwendung Dicht Neuronen, sondern es ist nur ein test. Was wirklich tricks mich ist, dass die Genauigkeit ist immer 0. Und bei anderen tests hab ich sogar Verlust: bekommt ein "NAN" - Wert.
Kann jemand hier helfen?
Cheers.
Du musst angemeldet sein, um einen Kommentar abzugeben.
Ihrem Modell zu entsprechen scheint, um ein Regressionsmodell für die folgenden Gründen:
Sind Sie mit
linear
(default) als Aktivierungsfunktion in der Ausgabe-Schicht (undrelu
in der Ebene vor).Dein Verlust ist
loss='mean_squared_error'
.Jedoch, die Metrik, die Sie verwenden-
metrics=['accuracy']
entspricht eine Klassifizierung problem. Wenn Sie wollen, zu tun, regression, entfernenmetrics=['accuracy']
. Das heißt, verwenden SieHier ist eine Liste von keras Metriken für regression und Klassifizierung (entnommen aus in diesem blog-post):
Fügen Sie folgende Metriken: