像MLPClassifier (sklearn)的Tensorflow神经网络

Question

所以，我正在创建一个人工智能，它可以预测用户完成练习需要多长时间。我之前用Sklearn创建了一个NN，但我想集成Tensorflow。

我有6个特征作为输入，1个输出，这是一个数字。

我试过了，但它似乎不愿意工作:

# Train data
X_train = X[:1500]
y_train = y[:1500]
# Test data
X_test = X[1500:]
y_test = y[1500:]

# Create the TF model
model = tf.keras.Sequential([
tf.keras.layers.Flatten(input_shape=(6,)),
tf.keras.layers.Dense(256, activation='softmax'),
tf.keras.layers.Dense(128, activation='softmax'),
tf.keras.layers.Dense(64, activation='softmax'),
tf.keras.layers.Dense(1)
])

model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])

model.fit(X_train, y_train, epochs=10)

这样，它就可以使用一个简单的MLPClassifier。

我也设法得到了这个不错的错误，似乎不能通过改变图层来修复:

收到标签值1209638408，超出[0,1)的有效范围。

Answer 1

所以我稍微改变了一下，变成了这样:

features_train = features[:1500]
output_train = output[:1500]
features_test = features[1500:]
output_test = output[1500:]

classifier = Sequential()

classifier.add(Dense(units = 16, activation = 'relu', input_dim = 6))
classifier.add(Dense(units = 128, activation = 'relu'))
classifier.add(Dense(units = 64, activation = 'relu'))
classifier.add(Dense(units = 32, activation = 'relu'))
classifier.add(Dense(units = 8, activation = 'relu'))
classifier.add(Dense(units = 2, activation = 'relu'))
classifier.add(Dense(units = 1))

classifier.compile(optimizer='rmsprop', loss='binary_crossentropy')

classifier.fit(features_train, output_train, batch_size = 1, epochs = 10)

但现在我损失了100%。

Answer 2

您应该使用较小的网络。尝试使用更少的密集层，最多2或3个。如果使用binary_crossentropy损耗，则在最后一个Dense层中使用s形激活。您还可以在编译模型时传递metrics=['accuracy']来监视精度。