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?
答案 0 :(得分:0)
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'])
答案 1 :(得分:-1)
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?