Keras神经网络的准确性受到限制

Question

我正在输入一个神经网络数字列表来预测单个浮点输出。训练数据被标准化。我使用内置标准化的Keras进行特征训练数据，并将标签从0到1映射。出于某种原因，我的准确性要么变差，要么只是0.1638（奇怪的特定值...）我尝试了大量不同的学习率和激活。我正在使用RMS作为损失函数。

以下是标准化x_train的样本：

[0.06258409 0.25033637 0.18775228 0.62584093 0.21904432 0.57890286 0.15646023 0.03129205 0.18775228 0.25033637]

所以这对我来说很好，但使用这个模型：

model = Sequential()
model.add(Dense(64, input_shape=(feature_count,)))
model.add(Dense(32))
model.add(Dropout(0.2))
model.add(Dense(1, activation='elu'))
model.compile(loss='mean_squared_error', optimizer=sgd, metrics=['accuracy'])

准确度通常如下 this

当我最终得到它时，其上限为0.1638，如this

为什么这个模型讨厌这些数据？数据只是垃圾吗？ （我确实是从Kaggle那里得到的......）

Answer 1

你的模型正在进行回归，在这种情况下使用精度是没有意义的。准确性仅适用于分类问题。