Neural network 如何在keras（非图像识别）上建立简单的神经网络

我是keras的新手，我正在尝试建立自己的神经网络

任务：

我需要写一个系统，可以为角色做出决定，这可能会遇到一个或多个敌人。可以知道该系统：

• 百分比健康特征
• 手枪的存在
• 敌人的数量

答案必须采用以下形式之一：

攻击

跑

隐藏（为了突然袭击）

无所事事

为了训练，我做了一张“课程表”：

这是我的代码：

# Create first network with Keras
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import SGD
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# split into input (X) and output (Y) variables
X = numpy.array([[0.5,1,1], [0.9,1,2], [0.8,0,1], [0.3,1,1], [0.6,1,2], [0.4,0,1], [0.9,1,7], [0.5,1,4], [0.1,0,1], [0.6,1,0], [1,0,0]])
Y = numpy.array([[1],[1],[1],[2],[2],[2],[3],[3],[3],[4],[4]])
# create model
model = Sequential()
model.add(Dense(3, input_dim=3, init='uniform', activation='relu'))
model.add(Dense(1, init='uniform', activation='sigmoid'))
# Compile model
sgd = SGD(lr=0.001)
model.compile(loss='binary_crossentropy', optimizer=sgd, metrics=['accuracy'])

# Fit the model
model.fit(X, Y, nb_epoch=150)
# calculate predictions
predictions = model.predict(X)
# round predictions
rounded = [round(x) for x in predictions]
print(rounded)

这是我得到的预测。 [1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0]

每个历元的精度为0.2727，损失减小。 这是不对的

我试图将学习率降低10，改变激活和优化器。即使是我手动输入的数据。

---

有人能告诉我如何解决我的简单问题吗。thx.

您的代码中有几个问题

与NN模型相比，数据项的数量非常少

Y表示为类编号，而不是类向量。在此基础上可以学习回归模型，但这是一个糟糕的设计选择

softmax

功能的输出始终在0-1之间。。由于使用了此选项，您的模型只知道输出0-1之间的值

下面是一个更好的修改代码：

from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import SGD
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# split into input (X) and output (Y) variables
X = numpy.array([[0.5,1,1], [0.9,1,2], [0.8,0,1], [0.3,1,1], [0.6,1,2], [0.4,0,1], [0.9,1,7], [0.5,1,4], [0.1,0,1], [0.6,1,0], [1,0,0]])
y = numpy.array([[1],[1],[1],[2],[2],[2],[3],[3],[3],[0],[0]])

from keras.utils import np_utils
Y = np_utils.to_categorical(y, 4)
# print Y

# create model
model = Sequential()
model.add(Dense(3, input_dim=3, activation='relu'))
model.add(Dense(4, activation='softmax'))
# Compile model
# sgd = SGD(lr=0.1)
# model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy'])
model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy'])

# Fit the model
model.fit(X, Y, nb_epoch=700)

# calculate predictions
predictions = model.predict(X)

predictions_class = predictions.argmax(axis=-1)
print(predictions_class)

注意：我使用了

softmax

激活，因为类是互斥的