python - MLP 与 keras 进行预测

Question

我尝试使用 keras(支持 tensorflow )创建一个神经网络。我有 4 个输入变量和 2 个输出变量:不可用

我想对不可用的测试集进行预测。

这是我的代码:

from keras import optimizers
from keras.models import Sequential 
from keras.layers import Dense 
import numpy
numpy.random.seed(7)
dataset = numpy.loadtxt("trainingsdata.csv", delimiter=";") 
X = dataset[:,0:4] 
Y = dataset[:,4:6]
model = Sequential() 
model.add(Dense(4, input_dim=4, init='uniform', activation='sigmoid')) 
model.add(Dense(3, init='uniform', activation='sigmoid')) 
model.add(Dense(2, init='uniform', activation='linear'))
sgd = optimizers.SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='mean_squared_error', optimizer='sgd', metrics=['accuracy'])
model.fit(X, Y, epochs=150, batch_size=10, verbose=2) 
testset = numpy.loadtxt("testdata.csv", delimiter=";") 
Z = testset[:,0:4] 
predictions = model.predict(Z) 
print(predictions)

当我运行脚本时，每个时期后的精度为 1.000，并且每个输入对的结果始终相同:

[-5.83297 68.2967] 
[-5.83297 68.2967] 
[-5.83297 68.2967] 
... 

有人知道我的代码出了什么问题吗？

Answer 1

我建议您在将数据输入模型之前对其进行标准化/标准化，然后检查您的模型是否开始学习。

看看 scikit-learn 的 StandardScaler 。

看看into this SO thread了解如何正确fit_transform您的训练数据并仅转换您的测试数据。

还有一个使用 scikit-learn 的数据预处理管道的教程:http://machinelearningmastery.com/regression-tutorial-keras-deep-learning-library-python/