亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

為了賬號安全,請及時綁定郵箱和手機立即綁定
已解決430363個問題,去搜搜看,總會有你想問的

簡單機器模型的精度不好?如何調試?

簡單機器模型的精度不好?如何調試?

慕蓋茨4494581 2022-09-13 19:41:44
我正在嘗試構建一個機器學習模型,盡管答案相當簡單,但結果確實很糟糕。我知道我做錯了什么,但不確定在哪里。以下是我正在做的事情:我有一個公司財務數據集。為了方便起見,我試圖預測毛利潤(總收入 - 收入成本)為了使它更容易,我實際上正在自己將該值計算到熊貓列中df['grossProfit'] = df['totalRevenue'] - df['costOfRevenue']為了使它有點挑戰性,我有一個名為exchange的列,它是數字格式的類別(1,2,3等)。我的目標是簡單地預測總利潤,我認為這很容易,因為100%的數據計算它在我的數據集中,但當我運行模型時,我得到高達6%的準確率。我預計它會接近100%,因為模型應該計算出總收入+收入成本=總利潤。這是我的數據:    grossProfit totalRevenue    Exchange    costOfRevenue0   9.839200e+10    2.601740e+11    NASDAQ  1.617820e+111   9.839200e+10    2.601740e+11    NASDAQ  1.617820e+112   1.018390e+11    2.655950e+11    NASDAQ  1.637560e+113   1.018390e+11    2.655950e+11    NASDAQ  1.637560e+114   8.818600e+10    2.292340e+11    NASDAQ  1.410480e+11... ... ... ... ...186 4.224500e+10    9.113400e+10    NYSE    4.888900e+10187 4.078900e+10    9.629300e+10    NYSE    5.550400e+10188 3.748200e+10    8.913100e+10    NYSE    5.164900e+10189 3.397500e+10    8.118600e+10    NYSE    4.721100e+10190 3.597700e+10    8.586600e+10    NYSE    4.988900e+10191 rows × 4 columns
查看完整描述

1 回答

?
慕少森

TA貢獻2019條經驗 獲得超9個贊

對于初學者:

  1. 您處于回歸設置中,其中準確性毫無意義(它僅用于分類問題)。從模型編譯中刪除,不要為此煩惱 - 您應該使用與損失相同的數量(此處為MSE)來評估模型的性能。metrics=['accuracy']

  2. 出于同樣的原因(回歸問題),您不應該對最后一個圖層使用激活,而應該對最后一個圖層使用激活(離開,就像執行該工作一樣,因為這是 Keras 圖層的默認激活)。sigmoidlinearDense(1)linear

  3. 具有線性激活的中間層(如您在這里的中間層)每個都只是一個單節點線性層(即幾乎沒有);向所有中間層添加激活(就像對第一層所做的那樣)。relu

總而言之,這是實驗的起點

model = tf.keras.Sequential() 

model.add(layers.Dense(64, activation='relu', input_shape=(numInputColumns,)))

model.add(layers.Dense(128, activation='relu'))

model.add(layers.Dense(128, activation='relu'))

model.add(layers.Dense(128, activation='relu'))

model.add(layers.Dense(1))

model.compile(loss='mean_squared_error', optimizer='adam')

當你完成這一部分時,你最終會得出一個不幸的結論,即與分類問題相反,我們可以立即說準確性是否“好”,“不夠好”,“壞”等,回歸問題的性能指標,如MSE,不會讓自己進入如此簡單的評估;更糟糕的是,您的 MSE 是根據您縮放的數據計算的。閱讀我的答案 如何在Keras Regressor中解釋MSE 了解如何計算初始未縮放數據中的MSE,獲取其平方根,從而能夠以原始數據的單位進行比較,以查看它是否適合您的情況(ML教程中通常省略的一部分)...y


查看完整回答
反對 回復 2022-09-13
  • 1 回答
  • 0 關注
  • 79 瀏覽
慕課專欄
更多

添加回答

舉報

0/150
提交
取消
微信客服

購課補貼
聯系客服咨詢優惠詳情

幫助反饋 APP下載

慕課網APP
您的移動學習伙伴

公眾號

掃描二維碼
關注慕課網微信公眾號