我做了一个深度学习模型,用于预测房地产价格基于不同的参数,如:面积、房间数、楼层、层数、建筑物年龄、建筑物类型等。
我的数据集被废弃,数据准备好进行分析(离散列作为虚拟itp)。我的模型如下面的代码所示。问题是模型的精度总是0。
下面是我的代码:
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(units=6, activation='relu'))
model.add(tf.keras.layers.Dense(units=6, activation='relu'))
model.add(tf.keras.layers.Dense(units=1, activation='sigmoid'))
model.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])
model.fit(X_train, y_train, batch_size = 32, epochs = 100)
accuracy_score(y_test, y_pred)
我找不到类似情况的教程。
1条答案
按热度按时间euoag5mw1#
预测真实的地产价格需要一个回归深度学习模型。因此,代码中的问题是1-在输出层中,您使用的是“sigmoid”函数,将其更改为“线性”2-将损失更改为平均绝对误差或均方误差3-将度量也更改为mae或mse 4-可能会添加更多的历元,神经网络回归可能需要更多的时间来学习尝试这些变化,他们应该解决问题