Я пытаюсь обучить модель простой бинарной классификации.
1: импортировать файл CSV
2: StandardScaler все функции
3: разделить данные с помощью sklearn
затем я подключаю это к простой кератной последовательной функции. Но когда я подхожу к модели (многословно = 1), я вижу, что прогресса для каждой эпохи не происходит:
[==============] 0s 10us / шаг - потеря: nan - в соответствии: 0.0000e + 00
Тем не менее, когда я изменяю output_dim (например, с 128 на 64), он отлично тренирует модель с очень хорошим результатом
Затем, если я переобучу ту же модель, я снова получу acc: 0.0000e + 00 и не буду тренировать свою модель, если я не изменю тусклость выходного сигнала. Это сбивает с толку меня !!! Я подумал, может быть, версия spyder вызывает это, но когда я делаю то же самое на jupyter, он делает то же самое.
Кто-нибудь знает, что может происходить?
Спасибо
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)