2

我正在为具有 25 个特征和 12 个类标签的数据集使用 Tensorflow DNNClassifier。

我现在的代码是：

def main():
    training_set = tf.contrib.learn.datasets.base.load_csv_without_header(filename=TRAINING,target_dtype=np.int,features_dtype=np.float32)
    test_set = tf.contrib.learn.datasets.base.load_csv_without_header(filename=TEST,target_dtype=np.int,features_dtype=np.float32)
    feature_columns = [tf.contrib.layers.real_valued_column("", dimension=25)]
    classifier = tf.contrib.learn.DNNClassifier(feature_columns=feature_columns,activation_fn = tf.nn.relu,hidden_units=[50, 50, 50, 50, 50,50, 50, 50, 50, 50],optimizer=tf.train.AdamOptimizer(0.01),n_classes=12, model_dir="./model/")
    def get_train_inputs():
        x = tf.constant(training_set.data)
        y = tf.constant(training_set.target)
        return x, y
    classifier.fit(input_fn=get_train_inputs, steps=1000)
    def get_test_inputs():
        x = tf.constant(test_set.data)
        y = tf.constant(test_set.target)
        return x, y

    accuracy_score = classifier.evaluate(input_fn=get_test_inputs,steps=1)["accuracy"]
    print("\n\nTest Accuracy: {0:f}\n".format(accuracy_score))
    def new_samples():
        with open(PREDICT,"r") as f:
            contents = f.readlines()
        arr = []
        for c in contents:
            arr.append([float(x.strip()) for x in c.split(",")])
        return np.array(arr, dtype=np.float32)
    predicted_classes = list(classifier.predict(input_fn=new_samples))
    print("Predicted class: {}\n".format(predicted_classes))
    probabilities = list(classifier.predict_proba(input_fn=new_samples))
    print("Predictions probability: ", probabilities)
    probabs = np.array(probabilities)

训练和测试数据的准确率均小于 0.2

我尝试了更多的 epoch，改变了学习率、激活函数和优化器，但准确率并没有提高。

据我所知，我的网络严重欠拟合。在这种情况下，添加更多节点和层应该可以工作，但增加节点和层几乎不会增加准确度，它仍然低于 0.2

任何人都可以指出我的代码中的错误，如果有的话？

4

0 回答 0