Question

我正在从https://machinelearningmastery.com/tutorial-first-neural-network-python-keras/看这个非常基本的神经网络。我用随机数组和随机标签替换了所使用的数据。

我假设因为输入是随机的，预测应该是0.50左右，加或减一点。但是，当我这样做时，我得到了

[0.49525392, 0.49652839, 0.49729034, 0.49670222, 0.49342978, 0.49490061, 0.49570397, 0.4962129, 0.49774086, 0.49475089, 0.4958384, 0.49506786, 0.49696651, 0.49869373, 0.49537542, 0.49613148, 0.49636957, 0.49723724]

大约是0.50，但永远不会过去。它适用于我使用的任何随机种子，所以它不仅仅是巧合。对此行为的任何解释？

# Create first network with Keras
from keras.models import Sequential
from keras.layers import Dense
import numpy as np

np.random.seed(90)

X_train = np.random.rand(18,61250)
X_test = np.random.rand(18,61250)
Y_train = np.array([0.0, 1.0, 1.0, 0.0, 1.0, 1.0, 1.0, 0.0, 1.0, 
    0.0, 1.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0,])
Y_test = np.array([1.0, 0.0, 0.0, 1.0, 1.0, 0.0, 1.0, 1.0, 1.0, 
    1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 1.0, 0.0,])

_, input_size = X_train.shape

# create model
model = Sequential()
model.add(Dense(12, input_dim=input_size, init='uniform', activation='relu'))
model.add(Dense(8, init='uniform', activation='relu'))
model.add(Dense(1, init='uniform', activation='sigmoid'))

# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# calculate predictions
predictions = model.predict(X_test)
preds = [x[0] for x in predictions]
print(preds)

# Fit the model
model.fit(X_train, Y_train, epochs=100, batch_size=10,  verbose=2, validation_data=(X_test,Y_test))

Answer 1

我不知道这是否能准确回答你的问题，但我一直在玩用你的代码，并决定尝试一些东西。您的X数据在0之间生成和1，所以我尝试在0到10之间生成它。这是一个样本结果预测：

[0.53419214, 0.55088341, 0.53190422, 0.52382213, 0.53469753, 0.53098464,
0.51968938, 0.53249627, 0.52852863, 0.52497149, 0.52816379, 0.5457474,
0.52565753, 0.5276686, 0.52042121, 0.52128422, 0.52535951, 0.52730507]

正如您所看到的，它现在产生的结果超过0.5。因为你预测了在进行任何培训之前输出，预测将完成随机权重。可能是网络还没有调整到输入向量的分布？

这些是训练后的预测：

[0.43440229, 0.48104468, 0.49194154, 0.4766106, 0.50065982, 0.47388917,
0.51052755, 0.50618082, 0.48478326, 0.4846094, 0.50018799, 0.4800632,
0.4181695, 0.48307362, 0.5063237, 0.50420266, 0.47321039, 0.44235682]

预测现在或多或少都是平衡的。我得到了这种两个输入分布的输出。我认为这是一个问题随机初始化的网络非常依赖于分布你的输入数据。训练后，它会正常化。

基本神经网络预测？

1 个答案: