Python 我的模型似乎不起作用，因为精度和损失为0

我试图使用keras设计一个LSTM网络，但精度为0.00，而损失值为0.05。我编写的代码如下

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(128, activation = tf.nn.relu))
model.add(tf.keras.layers.Dense(128, activation = tf.nn.relu))
model.add(tf.keras.layers.Dense(1, activation = tf.nn.relu))



def percentage_difference(y_true, y_pred):
    return K.mean(abs(y_pred/y_true - 1) * 100)



model.compile(optimizer='sgd', 
             loss='mse',
             metrics = ['accuracy', percentage_difference])

model.fit(x_train, y_train.values, epochs = 10)

---

我的输入序列和测试数据集已使用熊猫库导入。特征数为5，目标数为1。所有的努力都将得到赞赏。

从我看到的是，你正在使用一个用于回归问题的神经网络

回归是通过学习各种独立特征来预测连续值的任务

所以，在回归问题中，我们没有精度这样的度量，因为这是有监督学习的分类分支

回归准确度的等效值可以是确定系数或R^2分数

---

侯赛因，你能提供一些样本数据吗？@Geeocode你是什么意思？你需要数据来工作，或者你需要更多关于我正在做的工作的信息？一些你使用的样本数据。此外，你为什么认为这是一个LSTM网络？我正在使用一个环境数据集，它表示一个循环过程，数据帧对应于空间特征。能够在同一数据集上执行类似过程的网络就是RNN和LSTM。这就是我使用这种网络模型的原因。我知道，但您的RNN或LSTM层在哪里？当我尝试使用您的解决方案时，coeff_确定值变成[-0.0098]。我猜，不管标志是什么，我们都面临着过度装修？我说的对吗？@HosseinAmini，我认为这是不合适的。@HosseinAmini，如果你添加完整的代码，我可以帮助你更多，我会尝试检测你的问题。20个纪元后，我可以达到0.11的准确系数，这意味着通过增加纪元数，我可以进行拟合。然后，我将根据您发送给我的链接中编写的说明和过程，将LSTM层添加到模型中。谢谢你的许可和努力

from keras import backend as K

def coeff_determination(y_true, y_pred):
    SS_res =  K.sum(K.square( y_true-y_pred ))
    SS_tot = K.sum(K.square( y_true - K.mean(y_true) ) )
    return ( 1 - SS_res/(SS_tot + K.epsilon()) )

model.compile(optimizer='sgd', 
         loss='mse',
         metrics = [coeff_determination])