我在尝试构建一个机器学习模型，但尽管答案相当简单，结果却非常糟糕。我知道自己做错了什么，但不确定问题出在哪里。
这是我正在做的事情：
- 我有一个公司财务数据集。
- 为了简化，我试图预测毛利润（总收入 – 收入成本）。
- 为了更简单，我实际上是自己计算这个值并将其添加到pandas列中
df['grossProfit'] = df['totalRevenue'] - df['costOfRevenue'] - 为了增加一点挑战，我有一个名为exchange的列，它是一个以数字格式表示的类别（1,2,3等）。
我的目标是简单地预测毛利润，我原本以为这会很容易，因为100%的数据计算都在我的数据集中，但当我运行模型时，准确率最高只有6%。我期望它应该接近100%，因为模型应该能算出总收入 – 收入成本 = 毛利润。
这是我的数据：
grossProfit totalRevenue Exchange costOfRevenue0 9.839200e+10 2.601740e+11 NASDAQ 1.617820e+111 9.839200e+10 2.601740e+11 NASDAQ 1.617820e+112 1.018390e+11 2.655950e+11 NASDAQ 1.637560e+113 1.018390e+11 2.655950e+11 NASDAQ 1.637560e+114 8.818600e+10 2.292340e+11 NASDAQ 1.410480e+11... ... ... ... ...186 4.224500e+10 9.113400e+10 NYSE 4.888900e+10187 4.078900e+10 9.629300e+10 NYSE 5.550400e+10188 3.748200e+10 8.913100e+10 NYSE 5.164900e+10189 3.397500e+10 8.118600e+10 NYSE 4.721100e+10190 3.597700e+10 8.586600e+10 NYSE 4.988900e+10191 rows × 4 columns这是我用于标准化/缩放数据的代码：
df['grossProfit'] = df['totalRevenue'] - df['costOfRevenue'] #非常糟糕，尽快删除，仅用于测试variableToPredict = ['grossProfit']df2=df[['grossProfit','totalRevenue','Exchange', 'costOfRevenue']]#缩放数据#隔离数据PredictionDataSet=df2[df2[variableToPredict].notnull().all(1)] #不包含缺失值 X_missing=df2[df2[variableToPredict].isnull().all(1)] #---> 包含缺失值 #收集数值/类别对象columnsNumeric = list(PredictionDataSet.select_dtypes(include=['float']).columns)columnsObjects = list(PredictionDataSet.select_dtypes(include=['object']).columns)#缩放类别encoder = OrdinalEncoder()PredictionDataSet["Exchange"] = encoder.fit_transform(PredictionDataSet.Exchange.values.reshape(-1, 1))#创建测试/训练数据集X_train=PredictionDataSetX_train = X_train.drop(columns=variableToPredict)y_train=PredictionDataSet[variableToPredict]#转换输入特征PredictionDataSet[columnsNumeric] = MinMaxScaler().fit_transform(PredictionDataSet[columnsNumeric])#转换输入特征scaler_features = MinMaxScaler()scaler_features.fit(X_train)X_train = scaler_features.transform(X_train)#转换输入值scaler_values = MinMaxScaler()y_train=np.asarray(y_train).reshape(-1,1)scaler_values.fit(y_train)y_train=scaler_values.transform(y_train)print("输入特征的形状: {} ".format(X_train.shape))print("输入目标值的形状 : {} ".format(y_train.shape))numInputColumns = X_train.shape[1]Shape of input features: (191, 3) Shape of input target values : (191, 1) 3这是我的模型：
###### modelmodel = tf.keras.Sequential() #使用tensorflow kerasmodel.add(layers.Dense(64, activation='relu', input_shape=(numInputColumns,)))model.add(layers.Dense(128))model.add(layers.Dense(128))model.add(layers.Dense(128))model.add(layers.Dense(1, activation='sigmoid'))model.compile(loss='mean_squared_error', optimizer='adam', metrics=['accuracy'])model.fit(X_train,y_train,epochs=10,validation_split=0.2)我确信自己在某些地方犯了大错，我只是刚开始学习机器学习，所以不太确定问题出在哪里。
回答：
首先：
-
您处于一个回归设置中，准确性是无意义的（它仅用于分类问题）。从您的模型编译中移除
metrics=['accuracy']并且不要关心它 – 您应该使用与损失相同的量（这里是MSE）来评估模型的性能。 -
由于同样的原因（回归问题），您不应该在最后一层使用
sigmoid激活，而应该使用linear激活（只保留Dense(1)也可以，因为linear是Keras层的默认激活）。 -
中间层使用线性激活（如您这里的）相当于每个只有一节点的线性层（即实际上什么也没有）；在您所有的中间层添加
relu激活（就像您对第一层所做的那样）。
总的来说，以下是您开始实验的起点：
model = tf.keras.Sequential() model.add(layers.Dense(64, activation='relu', input_shape=(numInputColumns,)))model.add(layers.Dense(128, activation='relu'))model.add(layers.Dense(128, activation='relu'))model.add(layers.Dense(128, activation='relu'))model.add(layers.Dense(1))model.compile(loss='mean_squared_error', optimizer='adam')当您完成这一部分后，您最终会得出不幸的结论，与分类问题不同，我们无法立即判断回归问题的性能指标（如MSE）是“好”，“不够好”，“差”等；更糟糕的是，您的MSE是在您的缩放的 y 数据上计算的。阅读我在 如何解释Keras回归器中的MSE 的回答，了解如何在您初始的、未缩放的数据上计算MSE，取其平方根，从而能够在您原始数据的单位中进行比较，以判断它是否对您的情况满意（这是ML教程中通常省略的部分）…
