Question

我正在尝试为简单的二进制分类训练模型。 1：导入CSV文件 2：StandardScaler的所有功能 3：使用sklearn分割数据

然后将其插入简单的keras顺序函数中。但是当我拟合模型（verbose = 1）时，我看到每个时代都没有进展： [==============] 0s 10us / step-损耗：nan-acc：0.0000e + 00

但是；当我将output_dim更改为128到64时，它可以很好地训练模型，并且效果很好然后，如果我再次训练同一模型，则再次给我acc：0.0000e + 00，除非更改输出暗淡，否则不会训练我的模型。它让我感到困惑！我以为可能是spyder的版本引起了此问题，但是当我在jupyter上执行相同的操作时，它也会执行相同的操作。任何人都知道会发生什么事吗？

谢谢

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('audit_risk.csv')
x=df.iloc[:,0:26].values
y=df.iloc[:,-1].values

from sklearn.preprocessing import StandardScaler  
scaler = StandardScaler()  
scaler.fit(x)
x= scaler.transform(x) 
from sklearn.model_selection import train_test_split  
X_train, X_test, y_train, y_test = train_test_split(x, y, test_size = 0.20) 

from keras import models
from keras import layers
from keras.models import Sequential
from keras.layers import Dense

classifier = Sequential()
classifier.add(Dense(output_dim = 128, activation = 'relu', input_dim = 26))
classifier.add(Dense(output_dim = 64, activation = 'relu'))
classifier.add(Dense(output_dim = 1, activation = 'sigmoid'))
classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])
classifier.fit(X_train,y_train, batch_size = 128, epochs = 100, verbose=1)

result = classifier.evaluate(X_train,y_train)

简单DNN模型的拟合不规则性

0 个答案: