有人能帮我解释一下我在神经网络中使用tensorflow时得到的这些图吗？
有人能帮我解释一下我在神经网络中使用tensorflow时得到的这些图吗？,r,tensorflow,machine-learning,deep-learning,neural-network,R,Tensorflow,Machine Learning,Deep Learning,Neural Network,上面的代码是我在运行fit参数时用来获取图形的代码，但是，每次运行代码时，图形都是不同的。我理解这是你如何想象模型是如何训练或学习的。损失显示在顶部图表中，精度显示在第二个图表中，对于最后一个图表，我不断更改时间、批量大小和验证，它始终为0。我不完全理解这些图以及y轴上的数字的含义。对于机器学习模型中的“损失”和“准确性”到底指的是什么，有一个很好的解释。术语“mape”指的是“平均绝对百分比误差”，这是一种测量模型性能的不同方法-它越低，模型性能越好 查看随附的图，很容易看出您的模型存在问题，
上面的代码是我在运行fit参数时用来获取图形的代码，但是，每次运行代码时，图形都是不同的。我理解这是你如何想象模型是如何训练或学习的。损失显示在顶部图表中，精度显示在第二个图表中，对于最后一个图表，我不断更改时间、批量大小和验证，它始终为0。我不完全理解这些图以及y轴上的数字的含义。对于机器学习模型中的“损失”和“准确性”到底指的是什么，有一个很好的解释。术语“mape”指的是“平均绝对百分比误差”，这是一种测量模型性能的不同方法-它越低，模型性能越好
查看随附的图，很容易看出您的模型存在问题，因为您的模型的准确性在训练集和验证集上都没有增加，损失也没有减少。例如，这可能是由于您正在使用的模型（不适合您期望它执行的任务）或您输入到模型中的数据（例如，可能以不一致的方式标记）存在问题。尽管您的数据预处理步骤用于深入学习，或者，构建模型的过程可能不正确（即，第一个图表y轴的数字，第二个图表上的结果），我将重点回答为什么“每次代码运行时，图形都不同”，以及“y轴上的数字” y轴上的数字：在第二个图表中，精度在0到1之间，而第三个图表则采用0到100之间的值来表示误差百分比 为什么在模型执行迭代后图形会不同： 获得不同的结果不是一个错误，而是机器学习的一个特征[]，因为它包括随机（非确定性）过程[]，通过解释算法利用随机性或概率决策 结果的差异可能是由于训练数据的差异、随机学习算法或评估程序的差异，或者是由于平台的差异（从不同的机器运行模型）。换句话说，随机性可能存在于数据收集、观察顺序、算法、采样或重采样[]。例如，在训练深层神经网络的过程中，由于初始权重（系数）的随机性，算法可能会使用随机性，或者每个历元中样本的随机洗牌 你能解决这个问题吗？ 对。您可以通过为“随机状态”或“
随机种子”[，]指定固定值来控制随机性。“random_state
”变量
控制在应用拆分[]之前应用于数据的洗牌
我不熟悉R，因此scikit中的上述文档使用Python学习，但我认为您可以基于R文档[]使用“seed.number
”执行类似的操作，即在模型拟合期间的验证分割旁边添加seed.number=“some value”
我建议你看一下参考文献中的文章，希望对你有所帮助
model %>%
fit (x = x_train,
y = y_train,
epochs = 25,
batch_size = 32,
validation_split =.2
)