0

我正在用 tfjs 和一些（假）医疗数据（乳腺癌）做一个 POC 脚本。数据如下所示：

[206, 293, 140, 126, 117, 27, 35, 152, 239, 79]，结果 (ys) 为 [1]，其中 1 为恶性，0 为良性。

该脚本似乎可以训练，但准确性/损失永远不会改变，无论数据如何，我都会得到相同的结果。我已经验证了数据/格式。下面的脚本：

  const transformedData = _.shuffle(data).map(util.transformRow);

// Define the model.
const model = tf.sequential();
// Set up the network layers
model.add(tf.layers.dense({units: 10, activation: 'relu', inputShape: [10]}));
model.add(tf.layers.dense({units: 150, activation: 'relu'}));
model.add(tf.layers.dense({units: 250, activation: 'relu'}));
model.add(tf.layers.dense({units: 250, activation: 'relu'}));
model.add(tf.layers.dense({units: 250, activation: 'relu'}));
model.add(tf.layers.dense({units: 1, activation: 'softmax', outputShape: [1]}));
// Define the optimizer
const optimizer = tf.train.adam(LEARNING_RATE);
// Init the model
model.compile({
    optimizer: optimizer,
    loss: 'meanSquaredError',
    metrics: ['accuracy'],
});

  const ys = transformedData.map(d => [d.ys]);
  const xs = transformedData.map(d => d.xs);

  let xTrain = tf.tensor2d(xs.slice(0,500), [xs.slice(0,500).length, 10]); // [[123,234,345...], [...]...]
  let yTrain = tf.tensor2d(ys.slice(0,500), [ys.slice(0,500).length, 1]); // [[1], [0]...]

  console.log('ready to start training model');
  const history = await model.fit(xTrain, yTrain, {
    epochs: EPOCHS,
    validationData: [xTrain, yTrain],
  })

需要明确的是，我现在不关心超准确的结果或优化，我只希望脚本实际训练模型。

4

1 回答 1

2

两个问题：

  1. 由于您处于二进制分类设置中，因此您应该使用loss: 'binaryCrossentropy'（MSE 用于回归问题）。

  2. 在这种情况softmax下，输出层的激活没有任何意义；将其更改为sigmoid.

此外，您不会分享LEARNING_RATE; 的实际价值。尝试完全删除参数 - 众所周知，Adam 通常在其默认学习率下（非常）工作得很好。

于 2020-12-03T22:19:47.560 回答