machine-learning - 使用 K-cross 验证训练准确性后的所有 NaN 值
问题描述
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import cross_val_score
def build_classifier():
classifier = Sequential()
classifier.add(Dense(units = 6, activation = 'relu', input_dim = 11, kernel_initializer =
'uniform'))
classifier.add(Dense(units = 6, activation = 'relu', kernel_initializer = 'uniform'))
classifier.add(Dense(units = 1, activation = 'sigmoid', kernel_initializer = 'uniform'))
classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])
return classifier
classifier = KerasClassifier(build_fn = build_classifier, batch_size = 10, epochs = 100)
accuracies = cross_val_score(estimator = classifier, X = X_train, y = y_train, cv = 10, n_jobs = -1)
/这段代码看起来很干净,但 K_cross 验证似乎不起作用。它返回 Nan 并执行得非常快,而不是使用所有 CPU /
解决方案
您定义的分类器函数可能存在错误,导致输出错误。我的猜测是检查您是否在输入层中适当地定义了输入节点的数量,因为您的其余代码似乎是正确的。
推荐阅读
- svg - 在 powerpoint 中制作高 svg 动画
- php - Foreach 只返回一行
- api - Symfony 4 API 平台和 JWT:如何使用 Symfony 客户端项目登录 API?
- python - 从多个进程记录到单个文件:为什么有效?
- graphics - 如何在 PIXI.Graphics 中强制执行基元(圆、矩形、...)的顺序
- android - Android JetPack 导航:如何从与其不关联的活动中打开片段?
- logstash - Logstash 从 grok 过滤器添加字段
- postgresql - 如何找到具有间隔的相同值的端点?
- python - Django Heroku Robots.txt 从生产管道中排除
- r - rnorm(1,mu,sigma),在 R 到 MATLAB