我制作了一个 Keras LSTM 模型,该模型读取二进制目标值并应该输出二进制预测。但是,预测不是二元的。我的 X 和 Y 值示例如下:
X Y
5.06 0
4.09 1
4.72 0
4.57 0
4.44 1
6.98 1
我试图预测的是 Xt+1 会高于还是低于 Xt。如果 Xt+1 大于 Xt,则 Xt 的 Y 值为 1。我的训练 X 值的形状为 (932, 100, 1),932 个样本,100 个“回顾”序列,1 个特征。我得到的预测如下:
Predictions
.512
.514
.513
我认为这些可能是概率,因为我的模型准确率约为 51%。关于如何使它们成为二进制的任何想法?完整模型代码如下:
# Defining network architecture
def build_model(layers):
model = Sequential()
model.add(LSTM(
input_dim=layers[0],
output_dim=layers[1],
return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(
layers[2],
return_sequences=False))
model.add(Dropout(0.2))
model.add(Dense(
output_dim=layers[3]))
model.add(Activation("sigmoid"))
start = time.time()
model.compile(loss="binary_crossentropy", optimizer="rmsprop",metrics=['accuracy'],class_mode="binary")
print("> Compilation Time : ", time.time() - start)
return model
# Compiling model
model = build_model([1, 100, 500, 1])
最佳答案
这是正常行为。
神经网络中没有“二进制”,而是在一定范围内的连续函数。
只有使用连续函数,模型才能使用“随机梯度下降”进行训练和学习。
为了尝试获得二进制结果,我们使用了从 0 到 1 的 sigmoid 函数。但最初,您的模型没有经过训练,它的所有“权重”都是随机初始化的。结果确实是趋于均值的结果,在 sigmoid 函数中为 0.5。
您所需要的只是用足够多的数据训练您的模型,这样结果就会逐渐接近(但永远不会达到)0 或 1(或训练数据中的任何目标“y”)
关于python - 二元 Keras LSTM 模型不输出二元预测,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46040656/