我已经用逻辑回归解决了泰坦尼克号问题，现在我想用神经网络解决问题。但我的模型总是返回1，这意味着幸存。对于每个测试输入。也许我的模型有问题。我该如何解决这个问题？
train_data = pd.read_csv('data/train.csv')
test_data = pd.read_csv('data/test.csv')
#Some data cleaning process
#......
X_train = train_data.drop("Survived",axis=1).as_matrix()
Y_train = train_data["Survived"].as_matrix().reshape((891,1))
X_test = test_data.drop("PassengerId",axis=1).as_matrix()
net = tflearn.input_data(shape=[None, 6])
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 1, activation='softmax')
net = tflearn.regression(net)
model = tflearn.DNN(net)
model.fit(X_train, Y_train, n_epoch=10, batch_size=16, show_metric=True)
pred = model.predict(X_test)
print pred
最佳答案
使用softmax作为输出中的激活层，确保该层中所有节点的输出总和为 1。由于您只有一个节点，并且输出总和必须为 1，因此根据定义，它将始终输出 1。
您永远不应该使用 softmax 作为二元分类任务的激活。更好的选择是 logistic function ，我认为 tensorflow 称之为 sigmoid .
所以而不是
net = tflearn.fully_connected(net, 1, activation='softmax')
尝试
net = tflearn.fully_connected(net, 1, activation='sigmoid')
关于python - Kaggle 泰坦尼克号与 tflearn 神经网络，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/51281917/