Keras 低精度RNN-LSTM情绪分析模型

我有一个包含200000个样本的数据集。 我正在使用从Sklearn分离的列车测试

model = Sequential()
model.add(Embedding(50000,128, input_length=14))
model.add(LSTM(16, return_sequences=True, dropout=0.3, recurrent_dropout=0.2))
model.add(LSTM(16, dropout=0.3, recurrent_dropout=0.2))

model.add(Dense(1, activation='sigmoid'))
model.compile(loss='mean_squared_logarithmic_error', optimizer='Adam', metrics=['accuracy'])

我得到了一个低精度=0.39

---

我能知道我做错了什么吗？

低是相对的。您期望的准确度有多高，哪些是比较基准模型

---

另外，为什么要为超参数选择这些特定值？您是否尝试过搜索最佳超参数？

尝试在LSTM和最后一层之间添加更多完全连接的层

model = Sequential()
model.add(Embedding(50000,128, input_length=14))
model.add(LSTM(16, return_sequences=True, dropout=0.3, recurrent_dropout=0.2))
model.add(LSTM(16, dropout=0.3, recurrent_dropout=0.2))
####model.add(Dense(10))####
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='mean_squared_logarithmic_error', optimizer='Adam', metrics=['accuracy'])