Question

我正在尝试在KERAS中构建具有3个输入和3个输出的ANN回归模型（我已将链接附加到我尝试的数据上）。另外，我正在使用Hyperas优化超参数。

3个输入列：bit.ly/2TIwH5H

3个输出列：bit.ly/2WUQKQt

我的伪代码如下：

read_csv()
StandardScaler(3_inputs)
MinMaxScaler(3_outputs)

def create_model()

4-layers using 4 instances of:    
Dense({{choice([np.power(2,1),np.power(2,2),np.power(2,3)])}}, activation={{choice(['tanh','relu', 'sigmoid'])}})(inputs1)
Dropout({{uniform(0, 1)}})

3-outputs are defined using 3 instances of:
Dense(1,  activation={{choice(['tanh','relu', 'sigmoid'])}})

activation_fn (adam, SGD, rmsprop) are given by:
activation_fn = keras.optimizers.activation_fn (lr={{choice([10**-3,10**-2, 10**-1])}})

model.fit(inputs, outputs,
          batch_size={{choice([16,32,64,128])}},
          epochs={{choice([10000])}},
          verbose=2,
          validation_data=...,
          callbacks=callbacks_list)

我针对上述问题运行了当前公式，将评估运行次数设置为100。使用“ mae”或“ mse”作为误差，我得到的实际平均误差为 225、0.25，每个输出分别为45 。

我还尝试设置大量神经元，例如np.power（2,10），但是看来错误仍然停留在大约上面的值上。

任何人都知道，有什么办法可以在网络上获得较低的错误吗？我还尝试过权衡每个输出的损失，这似乎没有帮助。减少错误的优先级位于输出1，然后是输出3，然后是输出2。

感谢您对此的建议，一直在碰壁。谢谢

无法获得改善的ANN回归模型结果（KERAS）

0 个答案: