Это мой график разброса данных Excel. У меня есть 3 входа и 1 выход для моей модели нейронной сети, всего 4 столбца в Excel. И 200 рядов. Данные стандартно нормализованы.
Итак, у меня есть модель keras следующим образом:
def create_model():
ann_model = Sequential()
ann_model.add(Dense(120, input_dim=3, kernel_initializer='normal', activation='tanh'))
ann_model.add(Dense(60, activation='tanh'))
ann_model.add(Dense(1, activation='linear'))
return ann_model
original_inputs = read_inputs(r'train_cd.xlsx')
original_outputs = read_outputs(r'train_cd.xlsx')
model = create_model()
sgd = SGD(lr=0.001, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['mse', 'accuracy'])
model.fit(original_inputs, original_outputs, batch_size=10, epochs=1800, verbose=False, shuffle=False)
test_result = model.predict(original_inputs)
# ----------Plot---------------------------------------------
plt.plot(original_outputs, label = "y-original")
plt.plot(test_result, label = "y-predicted")
plt.legend()
plt.show()
# -----------------------------------------------------------
Но этот результат обучения не близок к 100% точности. Как я могу изменить узлы скрытого слоя модели или что-то еще? Я хочу получить высокую точность, близкую к 100%.
Чтобы повысить точность, вы можете попробовать разные вещи:
Добавьте больше слоев и поиграйте с их количеством нейронов
-> С большим количеством слоев и нейронов модель может изучать паттерны более высокого уровня.
Распечатайте историю потерь и точности модели и посмотрите, как выглядят кривые (увеличение/уменьшение быстро/медленно, если вы ограничиваете или, возможно, модель еще не закончила обучение -> больше эпох и т. д.)
Поэкспериментируйте с размером пакета, измените оптимизатор, попробуйте другие функции активации.
Я надеюсь, что это может помочь вам
Но это данные временного ряда. Это имеет значение? Должен ли я изменить свой код?
история модели имеет 3 ключа
['loss', 'mean_squared_error', 'acc']
и массив acc имеет те же значения (0,12299465304389995)