我刚开始学习Keras。我尝试在Keras中训练一个非线性回归模型，但模型似乎学得不多。

#datapointsX = np.arange(0.0, 5.0, 0.1, dtype='float32').reshape(-1,1)y = 5 * np.power(X,2) + np.power(np.random.randn(50).reshape(-1,1),3)#modelmodel = Sequential()model.add(Dense(50, activation='relu', input_dim=1))model.add(Dense(30, activation='relu', init='uniform'))model.add(Dense(output_dim=1, activation='linear'))#trainingsgd = SGD(lr=0.1);model.compile(loss='mse', optimizer=sgd, metrics=['accuracy'])model.fit(X, y, nb_epoch=1000)#predictionspredictions = model.predict(X)#plotplt.scatter(X, y,edgecolors='g')plt.plot(X, predictions,'r')plt.legend([ 'Predictated Y' ,'Actual Y'])plt.show()

我做错了什么？

回答：

你的学习率设置得太高了。

另外，虽然与你的问题无关，但你不应该请求metrics=['accuracy']，因为这是一个回归设置，准确率在这里没有意义。

因此，进行这些更改后：

sgd = SGD(lr=0.001);model.compile(loss='mse', optimizer=sgd)plt.legend([ 'Predicted Y' ,'Actual Y']) # 图例中的拼写错误 :)

这里是一些输出（由于你的y中的随机元素，每次运行的结果可能会有所不同）：