使用keras改善模型的准确性

Question

我正在尝试构建ANN架构来预测疾病发生率。我实际上停留在40％的准确性上，我是机器学习的新手，我尝试了一些技巧，例如在不进行任何改进的情况下更改优化器，层节点数和丢失值。 你们可以帮我一些建议吗？

x数组由10列组成

y数组仅是疾病的一列

这是我的模特

def build_dropout_model(rate):
  model = Sequential()
  model.add(Dense(10,input_shape=(10,)))
  model.add(Dropout(rate))  
  model.add(Dense(256,kernel_constraint=NonNeg(),activation="relu"))
  model.add(Dense(256,kernel_constraint=NonNeg(),activation="relu"))
  model.add(Dense(128,kernel_constraint=NonNeg(),activation="relu"))
  model.add(Dense(1,activation="sigmoid"))
  model.compile(optimizer='adam',loss='mean_absolute_error',metrics=['accuracy'])
  return model
model = build_dropout_model(0.2)
history = model.fit(xtr,ytr,epochs=1000,verbose=2)

loss, acc=model.evaluate(xtst,ytst)

在此先感谢您

Answer 1

这是回归模型，而不是分类模型，因此您应该在输出层中使用“线性”。

model.add(Dense(1,activation="linear"))