Question

我有一个200000个样本的数据集。我正在使用Sklearn的train_test_split。

model = Sequential()
model.add(Embedding(50000,128, input_length=14))
model.add(LSTM(16, return_sequences=True, dropout=0.3, recurrent_dropout=0.2))
model.add(LSTM(16, dropout=0.3, recurrent_dropout=0.2))

model.add(Dense(1, activation='sigmoid'))
model.compile(loss='mean_squared_logarithmic_error', optimizer='Adam', metrics=['accuracy'])

我的准确度很低= 0.39。

我能知道我在做什么错吗？

Answer 1

尝试在LSTM和最后一层之间添加更多完全连接的层

model = Sequential()
model.add(Embedding(50000,128, input_length=14))
model.add(LSTM(16, return_sequences=True, dropout=0.3, recurrent_dropout=0.2))
model.add(LSTM(16, dropout=0.3, recurrent_dropout=0.2))
####model.add(Dense(10))####
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='mean_squared_logarithmic_error', optimizer='Adam', metrics=['accuracy'])

Answer 2

低是相对的。您希望获得多少准确度？您的比较基准模型是什么？

此外，为什么还要为超参数选择这些特定值？您是否尝试过搜索最佳超参数？

低精度的RNN LSTM情绪分析模型

2 个答案: