@Dragon1

Почему tensorflow выдаёт практически одинаковые результаты при предсказывании (бинарная классификация)?

model.add(
    tf.keras.layers.Dense(3, activation='sigmoid', input_shape=(12,))
)
model.add(
    tf.keras.layers.Dense(1, activation='sigmoid')
)
model.compile(optimizer='SGD', loss='mean_squared_error')
model.fit(X_train_norm, Y_train_norm, epochs=1000)


12 атрибутов = нормализованные, числовые значения.
бинарная классификация = два класса = 0 и 1.

model.predict(X_test_norm)
Выдаёт:
array([[0.7835315 ],
[0.78689903],
[0.78314793],
[0.7831505 ],
[0.7893167 ],
[0.78063303],
[0.78807944],
[0.7853659 ],
[0.7838069 ],
[0.7837551 ],
[0.7847388 ],
[0.78919363],
[0.7880717 ],
[0.78172874],
[0.7887115 ],
[0.78692263],
и т.д., все 450 раз, значения варьируются от 0.77 до 0.79, то есть модель склоняется к тому, что все объекты принадлежат классу "1"?
  • Вопрос задан
  • 91 просмотр
Пригласить эксперта
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации
Похожие вопросы