我在一个小数据集上测试一个机器学习模型

data = pd.read_csv("house.csv")x=data.iloc[:,0:3]y=data["price"]sd=preprocessing.scale(x)#print(sd)#print(data.head())from keras.models import Sequentialfrom keras.layers import Densefrom keras.optimizers import Adammodel = Sequential()model.add(Dense(1, input_shape=(3,)))model.compile(Adam(lr=0.8), "mean_squared_error", metrics=["accuracy"])model.fit(sd,y,epochs=100)yp=model.predict(sd)data ["pred"] = yp

但当模型开始训练时，它的准确率为零，而且损失值令人难以置信！！

第100/100轮 32/47 [===================>……….] – 预计剩余时间：0秒 – 损失：125331226624.0000 – 准确率：0.0000e+00 47/47 [==============================] – 0秒 85微秒/步 – 损失：131038484959.3192 – 准确率：0.0000e+00

这是数据集的链接 https://uinedu-my.sharepoint.com/:x:/g/personal/26636_myoffice_site/EWXspQfJBUVErTuYUuupaUoBO7kY8n1T5j-8I7k_V2zzMQ?e=lJvwaI

回答：

正如评论中所说，accuracy 不是回归模型的评估指标。

要评估回归模型，以下是一些可以使用的指标：

• 均方误差（MSE）
• 均方根误差（RMSE）
• 平均绝对误差（MAE）
• R平方（R²）
• 调整后的R平方（R²）
• 均方百分比误差（MSPE）
• 平均绝对百分比误差（MAPE）
• 对数均方根误差（RMSLE）

这篇Medium上的文章详细解释了所有这些指标 https://medium.com/@george.drakos62/how-to-select-the-right-evaluation-metric-for-machine-learning-models-part-1-regrression-metrics-3606e25beae0

这里有一个更简短的解释 https://stats.stackexchange.com/questions/142873/how-to-determine-the-accuracy-of-regression-which-measure-should-be-used

在Keras中

model.compile(optimizer=Adam(lr=0.8), loss='mean_squared_error', metrics=['mean_squared_error'])