如何解决模型拟合随机数据以及高度相关的数据
我有一个TensorFlow程序,该程序试图根据某人的total compensation
来预测某人的salary
。该程序的准确性最高可达约65,000美元的均方误差。
这种不准确的程度很奇怪,因为在我的数据集中salary
与total compensation
高度相关。因此,我决定将salary
更改为随机数。我的模型仍然以$ 65,000的均方误差最高。为什么我高度相关的输入给出的结果与随机数相等?
这是我的程序:
DATA = pd.read_csv ('compensation.csv')
GOAL = DATA['Total Compensation']
INPUT_DATA = (DATA['Salaries'])
model_inputs = tf.keras.Input (shape=(1))
x = tf.keras.layers.Dense (20,activation=tf.nn.relu) (model_inputs)
x = tf.keras.layers.Dense (50,activation='softmax') (x)
outputs = tf.keras.layers.Dense (1) (x)
my_model = tf.keras.Model (inputs=model_inputs,outputs=outputs)
my_model.compile (loss=tf.keras.losses.MeanSquaredLogarithmicError(),optimizer=tf.keras.optimizers.Adam(learning_rate=.1),metrics=tf.metrics.MeanAbsoluteError())
my_model.fit (x=INPUT_DATA,y=GOAL,batch_size=1000,epochs=1000)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。