Question

我正在对一维数据进行分类。我以549个数组的形式展示了数据，每个数组包含600个样本。我制作了一个多层感知器，其效率约为80％。现在，我正在尝试进行CNN，但由于某种原因，其准确性不超过31％。有什么问题吗？

我的模特：

model = Sequential()
model.add(Conv1D(filters=20, kernel_size=4,activation='relu',padding='same',input_shape=(600,1)))
model.add(MaxPooling1D(pool_size = 2))
model.add(Dropout(0.3))
model.add(Flatten())
model.add(Dense(50, activation='relu', input_dim = 600))
model.add(Dense(1, activation='softmax'))

model.compile(loss="binary_crossentropy", optimizer="nadam", metrics=['accuracy'])

model.fit(np.array(X), np.array(Y), epochs = 100, batch_size=8, verbose=1, validation_data=(np.array(X1),np.array(Y1)))

scores = model.evaluate(np.array(X1), np.array(Y1), verbose=0)

输入数据：

X1 = X[:90]
X = X[91:]
Y1 = Y[:90]
Y = Y[91:]
X = np.expand_dims(X, axis=2)
X1 =np.expand_dims(X1, axis=2)
print(np.array(X).shape)

获取尺寸（458，600，1）尺寸是否有问题？

Answer 1

更改

model.add(Dense(1, activation='softmax'))

到

model.add(Dense(1, activation='sigmoid'))

CNN在我的Keras数据集中效率不高

1 个答案: