簡單模型得到0.0的準確性

Question

我正在訓練一個包含標籤總是等於0的數據集的簡單模型，並且獲得0.0的準確性。

的模型是如下：

import csv 
import numpy as np 
import pandas as pd 
import tensorflow as tf 

labelsReader = pd.read_csv('data.csv',usecols = [12],header=None) 
dataReader = pd.read_csv('data.csv',usecols = [1,2,3,4,5,6,7,8,9,10,11],header=None) 

labels_ = labelsReader.values 
data_ = dataReader.values 

labels = np.float32(labels_) 
data = np.float32(data_) 

x = tf.placeholder(tf.float32, [None, 11]) 
W = tf.Variable(tf.truncated_normal([11, 1], stddev=1./11.)) 
b = tf.Variable(tf.zeros([1])) 
y = tf.matmul(x, W) + b 

# Define loss and optimizer 
y_ = tf.placeholder(tf.float32, [None, 1]) 

cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y)) 
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) 

sess = tf.InteractiveSession() 
tf.global_variables_initializer().run() 

for i in range(0, 1000): 
    train_step.run(feed_dict={x: data, y_: labels}) 

correct_prediction = tf.equal(y, y_) 
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 
print(sess.run(accuracy, feed_dict={x: data, y_: labels})) 

這裏是數據集：

444444,0,0,0.9993089149965446,0,0,0.000691085003455425,0,0,0,0,0,0 

作爲模型火車，上面示出的數據Y的減小，並達到-1000 1000之後迭代。

未能培訓模型的原因是什麼？

Answer 1

您的準確性會檢查預測的浮動值是否與您期望的值完全相等。通過網絡，您完成這項任務非常困難（儘管您可能有機會過度使用數據）。

獲得更好的結果： - 定義精度高於/低於一個值（接近1或接近0）。 - 規範化你的輸入數據，我不知道你輸入的範圍，但444444是一個可以用作輸入的可笑值，而且很難訓練可以處理這些值的權重。

另外：嘗試添加一些理智檢查。例如：您的模型預測的輸出是什麼？ （y.eval）在訓練你的網絡時你有什麼交叉熵？ （sess.run（[準確性，cross_entropy]，feed_dict = {X：數據，Y_：標籤}！）

好運