neural-network - 如何在keras上构建简单的神经网络(不是图像识别)

Question

我是 keras 新手，我正在尝试构建自己的神经网络。

任务:

我需要编写一个可以为角色做出决定的系统，该角色可能会遇到一个或多个敌人。系统可知:

• 健康状况百分比
• 存在手枪；
• 敌人的数量。

答案必须采用以下形式之一:

1. 攻击
2. 运行
3. 隐藏(进行突然袭击)
4. 什么也不做

为了训练，我制作了一张“类(class)”表:

/image/lD0WX.png

这是我的代码:

# Create first network with Keras
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import SGD
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# split into input (X) and output (Y) variables
X = numpy.array([[0.5,1,1], [0.9,1,2], [0.8,0,1], [0.3,1,1], [0.6,1,2], [0.4,0,1], [0.9,1,7], [0.5,1,4], [0.1,0,1], [0.6,1,0], [1,0,0]])
Y = numpy.array([[1],[1],[1],[2],[2],[2],[3],[3],[3],[4],[4]])
# create model
model = Sequential()
model.add(Dense(3, input_dim=3, init='uniform', activation='relu'))
model.add(Dense(1, init='uniform', activation='sigmoid'))
# Compile model
sgd = SGD(lr=0.001)
model.compile(loss='binary_crossentropy', optimizer=sgd, metrics=['accuracy'])

# Fit the model
model.fit(X, Y, nb_epoch=150)
# calculate predictions
predictions = model.predict(X)
# round predictions
rounded = [round(x) for x in predictions]
print(rounded)

这是我得到的预测。 [1.0、1.0、1.0、1.0、1.0、1.0、1.0、1.0、1.0、1.0、1.0]

每个epoch的准确率是0.2727，损失在减少。 这是不对的。

我试图将学习率除以 10，更改激活和优化器。即使是我手动输入的数据。 谁能告诉我如何解决我的简单问题。谢谢。

Answer 1

您的代码中有几个问题。

1. 与神经网络模型相比，数据条目数量非常少。
2. Y 表示为类数而不是类向量。可以在此基础上学习回归模型，但这是一个糟糕的设计选择。
3. softmax 函数的输出始终在 0-1 之间。因为使用此函数，您的模型只知道输出 0-1 之间的值。

下面是更好的修改代码:

from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import SGD
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# split into input (X) and output (Y) variables
X = numpy.array([[0.5,1,1], [0.9,1,2], [0.8,0,1], [0.3,1,1], [0.6,1,2], [0.4,0,1], [0.9,1,7], [0.5,1,4], [0.1,0,1], [0.6,1,0], [1,0,0]])
y = numpy.array([[1],[1],[1],[2],[2],[2],[3],[3],[3],[0],[0]])

from keras.utils import np_utils
Y = np_utils.to_categorical(y, 4)
# print Y

# create model
model = Sequential()
model.add(Dense(3, input_dim=3, activation='relu'))
model.add(Dense(4, activation='softmax'))
# Compile model
# sgd = SGD(lr=0.1)
# model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy'])
model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy'])

# Fit the model
model.fit(X, Y, nb_epoch=700)

# calculate predictions
predictions = model.predict(X)

predictions_class = predictions.argmax(axis=-1)
print(predictions_class)

注意，我使用了 softmax 激活，因为这些类是互斥的