Python 为什么神经网络没有在完整的数据集中运行?
有关数据的一些信息:Python 为什么神经网络没有在完整的数据集中运行?,python,tensorflow,machine-learning,keras,neural-network,Python,Tensorflow,Machine Learning,Keras,Neural Network,有关数据的一些信息: 训练集、有效集和测试集均为2D numpy阵列 列车组形状-(352745,8) 有效的集合形状-(72249,8) 测试集形状-(72249,8) 很清楚-每个实例都有8个特性 目标标签是-3个类->0,1或2中的一个(类的相应数据集已分离) 根据使用的数据,我使用的神经网络- 输入层将有-8个输入神经元+1个偏置神经元 一些隐藏层将在那里 输出层将有-3个输出神经元,每个神经元对应一个类 输入/输出摘录 输入1: model.summary() 产出1: Model:
model.summary()
产出1:
Model: "sequential_24"
Layer (type) Output Shape Param #
flatten_24 (Flatten) (None, 8) 0
dense_110 (Dense) (None, 24) 216
dense_111 (Dense) (None, 3) 75
Total params: 291
Trainable params: 291
Non-trainable params: 0
输入2:
model.compile(loss="sparse_categorical_crossentropy", optimizer="sgd", metrics=["accuracy"])
history = model.fit(X_train[:], train_set_label[:], epochs=20, validation_data=(X_valid, valid_set_label))
产出2:
Epoch 1/20
11024/11024 [==============================] - 25s 2ms/step - loss: 0.3258 - accuracy: 0.8918 - val_loss: 0.1954 - val_accuracy: 0.9538
Epoch 2/20
11024/11024 [==============================] - 29s 3ms/step - loss: 0.1618 - accuracy: 0.9621 - val_loss: 0.1373 - val_accuracy: 0.9653
Epoch 3/20
11024/11024 [==============================] - 36s 3ms/step - loss: 0.1211 - accuracy: 0.9702 - val_loss: 0.1065 - val_accuracy: 0.9732
……等等
输入3:
model.evaluate(X_test, test_set_label)
产出3:
2344/2344 [==============================] - 6s 2ms/step - loss: 0.0570 - accuracy: 0.9854
[0.057045429944992065, 0.985413134098053]
你可以看到: