我应该对此模型进行哪些更改以实现更高的精度[关闭]

Question

我正在使用 keras 卷积 2d 神经网络来解决分类问题，但是我可以达到的最佳准确度约为 30%。我应该怎么做才能用这个模型获得更高的精度？

这是我用来创建模型的代码：

model = Sequential()
model.add(Conv2D(128, kernel_size=(3,3), input_shape=x_train.shape[1:]))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Conv2D(128, kernel_size=(3,3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())
model.add(Dense(20, activation='softmax'))
adam = Adam(lr=3e-4)
model.compile(optimizer=adam, loss='categorical_crossentropy', metrics=['accuracy'])

x 数据包含 2480 场比赛，每场比赛有 20 名跑步者，以及每个跑步者的 100 个变量，总形状为 (2480, 20, 100) y 数据代表每场比赛的获胜者，是一个热编码的 2480 场比赛，每场比赛有 20 个 y 标签。总形状为 (2480, 20)

这个数据集可以在here找到并使用以下代码加载到内存中：

import numpy as np

x = np.loadtxt("x_data").reshape(2480, 20, 100)
y = np.loadtxt("y_data").reshape(2480, 20)

所有这些数据都是存储在纯文本数据中的浮点变量。 x 是 100 * 20 * 2480 个变量 y 是 20 * 2480 个变量

y 中的第一个值看起来像

[1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]

这代表一号赛跑者赢得比赛

提前致谢

Answer 1

首要任务 - 对于数值数据，根本不要使用卷积层。

只需使用 3 到 4 个 Dense Layers 和适当的正则化层，如 BatchNorm 和 Dropout 即可。而且您还需要使用 softmax，因为您的 y(target) 是 one-hot 编码的。使用默认的 Adam 学习率，应该已经足够了。

分类交叉熵 + Softmax = 多类分类
二元交叉熵 + Sigmoid = 多标签分类

参考 100 个变量，批次形状将是 (None, 2800, 100)。 2800指的是没有。数据点（行），100 是指每个样本的特征（列），无是指批量大小。您需要将其重塑为 (2800, 100)