Ich habe gerade angefangen, Keras zu lernen. Ich versuche, ein nichtlineares Regressionsmodell in Keras zu trainieren, aber das Modell scheint nicht viel zu lernen.
#datapoints
X = np.arange(0.0, 5.0, 0.1, dtype="float32").reshape(-1,1)
y = 5 * np.power(X,2) + np.power(np.random.randn(50).reshape(-1,1),3)
#model
model = Sequential()
model.add(Dense(50, activation="relu", input_dim=1))
model.add(Dense(30, activation="relu", init="uniform"))
model.add(Dense(output_dim=1, activation="linear"))
#training
sgd = SGD(lr=0.1);
model.compile(loss="mse", optimizer=sgd, metrics=["accuracy"])
model.fit(X, y, nb_epoch=1000)
#predictions
predictions = model.predict(X)
#plot
plt.scatter(X, y,edgecolors="g")
plt.plot(X, predictions,"r")
plt.legend([ "Predictated Y" ,"Actual Y"])
plt.show()
Was mache ich falsch?
Antworten:
3 für die Antwort № 1Ihre Lernrate ist viel zu hoch.
Auch irrelevant für Ihr Problem, aber Sie sollten nicht danach fragen metrics=["accuracy"]
, da dies eine Regression ist und Genauigkeit ist bedeutungslos.
Also mit diesen Änderungen:
sgd = SGD(lr=0.001);
model.compile(loss="mse", optimizer=sgd)
plt.legend([ "Predicted Y" ,"Actual Y"]) # typo in legend :)
Hier sind einige Ausgaben (die Ergebnisse unterscheiden sich zwischen den Läufen aufgrund des Zufallselements Ihrer y
):