优化神经网络Keras回归器

时间:2019-02-19 14:37:08

标签: python keras neural-network regression

我创建了一个keras回归模型,可以从几种土地覆盖属性预测硝酸盐浓度。但是,我不确定如何解释以下结果:

  • 损失:0.0517
  • 均方误差:0.0517
  • mean_absolute_error:0.1988
  • val_loss:0.0357
  • val_mean_squared_error:0.0357
  • val_mean_absolute_error:0.1416

这些值在1000个历元之后是否足够?它们对这个模型有什么看法(有意义或不重要)?我是编码新手。

if (sscanf(token, "%*[^\[][%d]", &idx) != 1)

loss vs epoch graph

1 个答案:

答案 0 :(得分:0)

我建议您为模型获取更多数据。 正如@PJRobot正确地说的那样,搜索空间太大而数据样本更少。

您还可以进行一些预处理,以缩小尺寸进行分析(如果可用功能可以的话)。 但是在应用神经网络回归器之前,请尝试获取更多数据。 如果您不了解当前的度量结果(它们只是损失值),也可以尝试将metric更改为'accuracy'

在深度学习的早期,我使用accuracy来了解我的模型功能。(这是分类) 同样在回归中,尝试坚持错误度量标准,因为它会提供更多突出的推断。

还尝试一些超参数调整以获得更好的结果。

学习愉快。