带keras的多维回归
带keras的多维回归
提问于 2018-06-25 20:40:28
我想使用keras根据n个输入来预测x，y坐标。我不清楚为什么我的网络在大约5个时代后不会改善。如果我的输入变量在5-14(x)和5-11(y)之间变化，我不明白为什么会有x=2.9和y=2.1这样的网络值。我怎样才能得到更好的预测？
数据：
input:
[[-92. 0. -83. 0. 0. 0. ]
[ 0. 0. 0. -82. 0. 0. ]
...
[-65.5 -82. 0. 0. 0. 0. ]]
output:
[[ 5 5]
[ 5 5]
...
[11 14]]
Results:
Predicted: [4.396636 4.019871] label: [11 14] Difference: 16.583492755889893
Predicted: [2.9728146 2.1784768] label: [11 14] Difference: 19.848708629608154
Predicted: [3.9281645 4.2113876] label: [11 14] Difference: 16.860447883605957网络：
from keras.models import Sequential
from keras.layers import *
model = Sequential()
model.add(Dense(16, input_dim = ipad_test_numpy_input.shape[1], activation='linear'))
model.add(Dense(8, activation='linear'))
model.add(Dense(2, activation='linear'))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(ipad_numpy_input, ipad_numpy_labels, epochs=50, batch_size=5)
score = model.evaluate(ipad_test_numpy_input, ipad_test_numpy_labels, batch_size=5)回答 1
Stack Overflow用户
发布于 2018-06-25 21:05:40
尝试将前两层上的激活更改为
activation='relu'看看这是否会通过引入非线性来改善事情。您目前只是在执行一系列线性变换，因此您并没有以任何方式真正利用神经网络的力量。还有许多其他原因导致事情可能不像您希望的那样工作，但它们有点超出了堆栈溢出答案的范围。如果你有一个足够大的数据集，那么正则化将是一个好的开始阅读的第一件事。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51023739
复制相关文章
相似问题
腾讯云开发者
