単純な線形関数を予測するための列車モデル

Question

私はkerasを使ってロジスティック回帰を使用しようとしています。これはMLでの私の最初の実験の1つです。のは、私が唯一の1引数でいくつかの非常に単純な連続関数の値を予測したいとしましょう、y = x*10

のように私はこのようなモデルを訓練しようとした：

from matplotlib import pyplot as plt 
import numpy as np 
from keras.models import Sequential 
from keras.layers import Dense, Activation 

# fix random seed for reproducibility 
np.random.seed(7) 

# function 
curve = np.vectorize(lambda x: x*10) 

# data 
Xideal = np.arange(1, 15.5, 0.005) 
Yideal = curve(Xideal) 
X = Xideal[1::5] 
Y = curve(X) 

# Model 
model = Sequential() 
model.add(Dense(20, activation='sigmoid', input_dim=1)) 
model.add(Dense(5, activation='linear')) 
model.add(Dense(1)) 

model.compile(loss='mse', optimizer='rmsprop', metrics=['accuracy']) 

# Fit 

model.fit(X, Y, nb_epoch=1000, batch_size=32, verbose=0) 

# Evaluate 

# evaluate the model 
scores = model.evaluate(Xideal, Yideal) 
print("\n%s: %.2f%%" % (model.metrics_names[1], scores[1]*100)) 
print("\n%s: %.2f%%" % (model.metrics_names[0], scores[0]*100)) 

くれ 2624/2900 [==========================>...] - ETA: 0s acc: 2.38% loss: 44.35%

の結果を与えていませんなぜそれがちょうど2.38％の正確さであるか確かめてください。私は異なる活性化関数、バッチサイズとエポックを持つ異なるモデルを試していましたが、最大10％の正確さで得ました。私はここで何か基本的なことを忘れていると思う。

Answer 1

この線形データでは、単一の密層で十分である。 rmspropの代わりに、私はちょうどグラデーションの降下を使用します。 http://nbviewer.jupyter.org/gist/lhk/6650e4fb85f625199ee5be6d52cbbd0d

は注意してください：：

私はあなたのためにipythonノートブックを作成したプロットでは、私は手動で互いに離れた2行を移動しなければなりませんでした。それで-2があるのです。