Я пытаюсь сделать поезд нейронной сети делать простые сопоставления, т. е. X до Y. В этом случае я пытаюсь отобразить значение для соответствующей ошибки. Оба X и y-массивы размером 1077.
Данные имеют много шума, и отношения, по сути, не существует. Поэтому я решил пойти с классификации, а не регресс. Если я использую ОГЭ (показано ниже), точность никогда не поднимается выше нуля, а потери огромны и не меняется.
# Data preprocessing
from sklearn.model_selection import train_test_split
A_train, A_test, Aerror_train, Aerror_test = train_test_split(A, A_error,
test_size=0.33, random_state=42)
# Defining and compiling the model
model = Sequential() # initializing a sequential model
model.add(Dense(1, activation = 'relu', input_shape = (1,))) #first layer
model.add(Dropout(0.2))
model.add(Dense(1, activation = 'relu'))
model.add(Dropout(0.2))
model.add(Dense(1, activation ='softmax'))
model.summary()
model.compile(loss = 'mean_squared_error', optimizer = 'sgd',
metrics = ['accuracy'] ) #sgd = stochastic gradient descent, cat_ce =
probability that increases as the predicted and actual values diverge
Если я пытаюсь использовать функции потерь редкие категоричен crossentropy, так как я хочу сделать параметр multilabel классификации
Я получаю следующее сообщение об ошибке:
InvalidArgumentError (see above for traceback): Received a label value of
15614 which is outside the valid range of [0, 1).