时间戳

首页 > 解决方案 > 测试预测都是一样的

keras - 测试预测都是一样的

问题描述

我正在尝试为推荐任务构建一个带有二进制输出的 Keras 模型。

在我构建并训练它之后，它似乎正在融合并提高训练和验证的准确性：

EPOCH:  0
Train on 4641920 samples, validate on 1160480 samples
Epoch 1/1
4641920/4641920 [==============================] - 93s 20us/step - loss: 0.0317 - val_loss: 0.0262
TRAIN F1:  0.16175450762829402
VAL F1:  0.09613703897919944
EPOCH:  1
Train on 4641920 samples, validate on 1160480 samples
Epoch 1/1
4641920/4641920 [==============================] - 100s 22us/step - loss: 0.0238 - val_loss: 0.0256
TRAIN F1:  0.2667970500753779
VAL F1:  0.1608853650479022

但是当我尝试预测测试集中的值时，它只输出 0（但是验证集似乎没有这样的问题）：

val_prediction = model.predict(x=[val_customer_id, val_vendor_id], verbose=1, batch_size=384)
print(np.unique(val_prediction.round()))

1160480/1160480 [==============================] - 6s 5us/step
    [0. 1.]



val_prediction = model.predict(x=[test_customer_id, test_vendor_id], verbose=1, batch_size=384)
print(np.unique(val_prediction.round()))

1672000/1672000 [==============================] - 8s 5us/step
[0.]

我在这里真的很挣扎，如果有人可以帮助我，那将非常有帮助。

标签： kerasdeep-learningneural-networkclassificationrecommendation-engine

解决方案

有两个可能的原因：

1-如果你的训练集和测试集太稀疏，那么你在测试集上的准确率会很差

2-您的模型过度拟合。

答案1：

如果数据集太稀疏，则需要重新排列它们。尝试添加一些验证值进行测试，看看结果是否发生变化。

答案 2：

如果您的模型过度拟合：

a- 添加新图层

b- 辍学

c- 增加批量大小

可以解决你的问题。

推荐阅读