Keras 模型不工作（损失不减少，准确率保持为零）

Question

我是 Keras/Tensorflow 的新手，我使用这些专有数据构建了这个模型，在给定与用户和商店的距离的情况下，估计商店需要多长时间才能将商品交付给用户。

就这么简单：

距离（米） | 时间（分钟）

5823 | 20.59

5822 | 21.00

6728 | 26.41

6114 | 17.64

6728 | 24.18

1970 | 11:00

我有 5000 对这些关系，绘制它们可以得到以下可视化效果：

我正在尝试建立一个模型来预测最大距离是多少，以使交货时间始终低于 10 分钟。

from keras.layers import Dense
from keras.optimizers import SGD


model = Sequential()
model.add(Dense(4, activation = 'relu'))
model.add(Dense(4, activation = 'relu'))
model.add(Dense(4, activation = 'relu'))
model.add(Dense(1, activation = 'sigmoid'))

opt = SGD(lr=0.01)
model.compile(optimizer = opt, loss = 'mean_squared_error', metrics=["accuracy"])
model.fit(X_train, Y_train, epochs = 500)

当它训练时，它给了我以下信息：

发生了什么？我该如何解决？

Answer 1

您的数据存在大量差异。因此，立即使用神经网络可能不是对数据建模的最佳方式。从数据科学的角度来看，在使用 ML 模型之前，您需要解决一些问题：

1. 您需要转换数据以使整体方差较低。您可以尝试根据一些变换向数据添加另一个维度，然后应用 NN。

2. 您需要对数据进行规范化，以便因变量和自变量共享相同的值范围（例如 0 到 1）。