python - 如何减少 keras 序列模型的损失

Question

我希望得到一些指导，告诉我在尝试对某个系统进行建模时下一步应该采取哪些步骤。它包含 3 个自变量、24 个因变量和约 21,000 行。在我的建模尝试中，我无法获得高于约 50% 的准确度或低于约 6500 的损失。我一直在使用以下代码的变体:

EPOCHS = 30
#OPTIMIZER = 'adam'
#OPTIMIZER = 'adagrad'
BATCH_SIZE = 10
OUTPUT_UNITS = len(y.columns)
print(f'OUTPUT_UNITS: {OUTPUT_UNITS}')

model = Sequential()
model.add(Dense(8, activation='relu', input_dim=3)) # 3 X parameters, with eng_speed removed
#model.add(Dense(8, activation='relu', input_dim=4)) # 4 X parameters
model.add(Dense(32, activation='relu' ))
#model.add(Dense(64, activation='relu' ))
#model.add(Dense(12, activation='relu' ))
model.add(Dense(OUTPUT_UNITS)) # number of predicted (y) values (labels)
model.summary()

adadelta = optimizers.Adadelta()
adam = optimizers.Adam(lr=0.001)

model.compile(optimizer=adadelta, loss='mse', metrics=['accuracy'])
#model.compile(optimizer=opt, loss='mse', metrics=['accuracy'])
history = model.fit(x=X_train, y=y_train, epochs=EPOCHS, batch_size=BATCH_SIZE)

我尝试过删除和添加层、更改层的大小、不同的优化器、学习率等。以下两张图是我所看到的典型图——它们都很快变平，然后就不再变平了。改进:

我显然对此很陌生，如果有人为我指出正确的方向，我将不胜感激:一种尝试的方法，一些值得阅读的东西，等等。提前致谢。

Answer 1

由于(根据您的 mse 损失和您的 回归 标签)您处于回归设置中，因此准确性毫无意义(它只是用于分类设置)；请参阅What function defines accuracy in Keras when the loss is mean squared error (MSE)?中自己的答案

鉴于此，原则上绝对没有理由将 6500 的损失视为“高”，因此需要改进...