2回答
根据该站点上的其他问题和在线文章，这种方法似乎相当标准:将数据放在一个numpy数组中，对其进行缩放，将其重塑为LSTM的3维，将其拆分为训练和测试部分，并通过模型提供。只运行模型的训练部分，我总是得到大约400,000,000的损失分数。这不能通过改变批次大小、历元数、层数、用丢失层替换归一化、改变每一层的大小或使用不同的优化器和损失函数来改变。你知道为什么损失这么高吗?我能做些什么来解决这个问题？附件是代码。我们非常感谢所有的建议。()(lstm1)
lstm2 =
浏览 230提问于2021-01-31得票数 0
1回答
我很难理解LSTM模型的性能，因为我将我的模型总结如下： X_train.shapey_train.shapeX_test.shapey_test.shapemodel.add(keras.layers.LSTM(100, input_shape=(X_train.shapeX_train.shape[2]), return_sequences = True))
model.add(keras.layers.Dropo
浏览 374提问于2020-04-04得票数 1
1回答
我正在训练一个CNN-LSTM concat模型，经过20个时期后，我得到了69%的准确率和0.04 %的损失？我知道非常高的训练精度和相对较低的验证精度的组合表示过拟合，但我想知道低精度和非常低的损失是否也表示过拟合。 总体而言，准确率呈线性增加，损失呈指数下降。
浏览 37提问于2020-01-30得票数 0
回答已采纳
当我绘制贝叶斯岭回归模型的学习曲线时，我观察到近180个训练规模的测试分数高于训练分数；但是，对于更高的训练规模，测试分数低于训练分数。我将学习曲线附在下面：这可能是什么原因呢？在这样的训练规模下可能会发生什么？
浏览 17提问于2021-06-04得票数 0
在我的输出上使用sigmoid激活函数，网络学习任务比使用线性激活函数要好得多。我能做些什么来改善结果呢？ from sklearn.preprocessing import StandardScaler from sklearn.metrics import accuracy_score, r2_score, mean_squared_error
import nu
浏览 1提问于2018-05-16得票数 0
1回答
我使用了两个lstm层和级联。但是当我用两个周期训练模型时，它工作得很好(我相信，因为它提供了大约90%的精度)。但是，当我增加epochs=10的大小时，当训练保持不变(0.5601)和val_loss(6.7802)时，val_accuracy也会更高，并且保持不变。但是当我用两个时代训练时，val_accuracy和val_loss是可以的(val_accuracy=0.9924，val_loss=0.0392(不保持不变))
这是连接L
浏览 3提问于2022-03-30得票数 0
2回答
我在试着训练一个LSTM ae。这就像一个seq2seq模型，你抛出一个信号来得到一个重建的信号序列。我使用的序列应该是非常简单的。损失函数和度量是MSE。最初的一百个时代进展顺利。然而，经过一段时间后，我得到了超高的均方误差，有时会达到NaN。我不知道这是什么原因。你能检查代码并给我一个提示吗？这个序列之前得到了归一化，所以它在0,1的范围内，它怎么会产生如此高的MSE误差？这是我从训练集中得到的输入序列：看
浏览 0提问于2020-03-06得票数 1
2回答
我一直在寻找能够帮助发现存储在数据库中的文本数据中异常的方法。其主要目标是采用无监督学习方法检测异常。此外，如何在数据集中找到上下文并找出上下文异常？
浏览 0提问于2016-11-07得票数 6
2回答
Keras LSTM总是不适合
、、、、
我正在尝试使用Keras和Tensorflow后端训练LSTM，但它似乎总是不适合；损失和验证损失曲线有一个初始下降，然后非常快地变平()。decay=0.9
h1 = 120h3 = 340model.add(LSTM(h1, return_sequences=True,input_shape=(timesteps, data_dim)))
model.add(LSTM(h2,
浏览 0提问于2018-01-24得票数 0
1回答
据我所知，在LSTM算法中，反向传播被用来获取和更新矩阵，在前向传播中使用偏差来获取当前的单元和隐藏状态。损失函数取训练集的预测输出和实际输出。但哪一部分是LSTM的培训部分？它们之间有某种联系吗？LSTM模式的培训目标是什么？
浏览 0提问于2019-08-31得票数 0
当我们有较大的测试误差和较大的训练误差时，我们称其为偏差问题。当我们有较低的训练误差和较高的测试误差时，我们称之为方差问题。当训练误差和测试误差都足够低，可以接受时，我们称之为良好拟合或最佳拟合模型。
但是有没有可能有比测试错误更多的训练错误？如果是，那我们该怎么说呢？此外，测试和训练集是随机选择的，因此不需要进行任何预先设置！
浏览 17提问于2019-08-14得票数 0
回答已采纳
5回答
如果我们有4个参数X_train，y_train，X_test和y_test，我们如何计算像线性回归这样的机器学习算法的偏差和方差？
浏览 1提问于2019-03-21得票数 0
我正在处理文档分类问题，并尝试应用基本的RNN/LSTM模型。我知道如果测试访问。低于训练ac.，它可能是过拟合的。而过拟合的原因是，模型甚至训练了训练数据集的噪声。但我认为，如果发生了过度拟合，训练是可行的。必须是相当<em
浏览 0提问于2020-04-24得票数 0
2回答
假设我在一个特定的训练集上训练了一个多元线性回归模型，并且模型参数\theta=[\theta_1,\theta_2,\ldots, \theta_n]是通过最小化一个成本函数来确定的，比如均方误差。现在，如果出于某种原因，我决定将错误函数的选择从MSE改为MAE (平均绝对误差)，这会改变我的模型参数\theta还是保持不变？
浏览 0提问于2018-11-26得票数 0
回答已采纳
早上好，我是机器学习和神经网络方面的新手。我试图建立一个完全连接的神经网络来解决回归问题。数据集由18个特征和1个标签组成，所有这些都是物理量。import pandas as pdfrom sklearn.feature_selection import SelectFromModel
from sklearn
浏览 5提问于2020-01-22得票数 6
回答已采纳
我的课本上有一个练习，它说：
恒定相对误差：我很难理解这个练习是在说什么。绝对错误不是保持不变的错误类型吗？有人能帮我澄清一下吗？
浏览 1提问于2019-01-22得票数 1
1回答
我一直未能找到类似的预测问题(在类似或其他领域)，因此，如果你知道一个，参考非常欢迎。
分成训练和测试组。培训集包含前8年的数据，测试集包含其余的2年。标准化训练集(零均值，单位方差)使用StandardScaler从斯凯洛。标准化测试集类似地使用均值与训练集的方差。四层叠加的->，均
浏览 2提问于2018-02-22得票数 8
回答已采纳
我有一个预先训练过的Seq到Seq时隙标记器网络，其最简单的形式如下： Embedding(emb_dim) Dense(num_labels)我想把这个输出作为另一个网络中的初始层。基本上，我想将从network_1 (预训练)的嵌入连接到network_2中的嵌入层，如下所示： Concat_embeddings ( Emb
浏览 0提问于2017-03-28得票数 3
我在上看到，灾难性的抵消是一种现象，B~=A那么A-B将有非常高的相对误差，与真实的差别相比。
我想到了一个很天真的解决方案:为什么不直接取:A~=(N_A_B)/N s.t。N>>1？这将使‘真正的差别’更大，因此应该减少相对误差的A-B逼近很多，对吗？
浏览 32提问于2022-05-10得票数 0
回答已采纳
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
腾讯云开发者
