我正在使用tfjs和一些（伪造的）医学数据（乳腺癌）进行一个概念验证脚本。数据看起来像这样：
[206, 293, 140, 126, 117, 27, 35, 152, 239, 79]，结果（ys）是[1]，其中1表示恶性，0表示良性。
脚本似乎在训练，但准确率/损失从未改变，无论数据如何，结果都相同。我已经验证了数据/格式。脚本如下：
const transformedData = _.shuffle(data).map(util.transformRow);// 定义模型const model = tf.sequential();// 设置网络层model.add(tf.layers.dense({units: 10, activation: 'relu', inputShape: [10]}));model.add(tf.layers.dense({units: 150, activation: 'relu'}));model.add(tf.layers.dense({units: 250, activation: 'relu'}));model.add(tf.layers.dense({units: 250, activation: 'relu'}));model.add(tf.layers.dense({units: 250, activation: 'relu'}));model.add(tf.layers.dense({units: 1, activation: 'softmax', outputShape: [1]}));// 定义优化器const optimizer = tf.train.adam(LEARNING_RATE);// 初始化模型model.compile({ optimizer: optimizer, loss: 'meanSquaredError', metrics: ['accuracy'],}); const ys = transformedData.map(d => [d.ys]); const xs = transformedData.map(d => d.xs); let xTrain = tf.tensor2d(xs.slice(0,500), [xs.slice(0,500).length, 10]); // [[123,234,345...], [...]...] let yTrain = tf.tensor2d(ys.slice(0,500), [ys.slice(0,500).length, 1]); // [[1], [0]...] console.log('ready to start training model'); const history = await model.fit(xTrain, yTrain, { epochs: EPOCHS, validationData: [xTrain, yTrain], }) 需要明确的是，我现在不关心结果的超高准确性或优化，我只希望脚本能够真正训练模型。
回答：
两个问题：
-
由于您处于二分类设置中，您应该使用
loss: 'binaryCrossentropy'（MSE用于回归问题）。 -
在这种设置中，输出层的
softmax激活没有任何意义；将其更改为sigmoid。
另外，您没有分享LEARNING_RATE的实际值；尝试完全删除该参数 – Adam以其默认学习率通常（非常）有效而闻名。
