我刚开始学习机器学习，最近一直在学习神经网络。这周我尝试使用这个数据集https://archive.ics.uci.edu/ml/datasets/abalone来编写一个神经网络。

该数据集包含了每个鲍鱼的详细信息，如它们的尺寸、性别等。我的目标是使用这个数据集来预测鲍鱼的年龄。根据数据集的说明，一个环大约代表1.5年的年龄，因此可以通过将鲍鱼的环数乘以1.5来计算年龄。所以，我的目标是使用神经网络来预测鲍鱼的环数，这样我就能知道它们的年龄了。

我决定使用4层网络，隐藏层有300个节点，输出层有1个节点。以下是我的代码：

abalone_ds = pd.read_csv('abalone_ds.csv', header=None, prefix='V')abalone_ds.columns = ['Sex', 'Length', 'Diameter', 'Height',                   'Whole weight', 'Shucked weight',                   'Viscera weight', 'Shell weight', 'Rings']def one_hot(ds, column_name):    return pd.get_dummies(ds, columns=[column_name])abalone_ds = one_hot(abalone_ds, "Sex")y_ds = abalone_ds["Rings"]x_ds = abalone_ds.drop(columns="Rings")x_train, x_val, y_train, y_val = skl.train_test_split(x_ds, y_ds, test_size=0.2)model = Sequential()model.add(Dense(300, activation='relu', input_shape=(10,), name='Layer_2'))model.add(Dense(300, activation='relu', name='Layer_3'))model.add(Dense(300, activation='relu', name='Layer_4'))model.add(Dense(1, activation='relu', name='Output'))model.compile(loss='mean_absolute_error', optimizer='adam', metrics=['accuracy'])model.fit(x_train, y_train, batch_size=100, epochs=5, verbose=1)test = model.evaluate(x_val, y_val, verbose=1)print(test)

我首先对数据集的列进行了标记，因为它们原本没有标签。在分析数据时，我发现只有“性别”这一列是非数值型的，所以我将其编码为一个独热张量。然后，我按照8:2的比例分割了数据，并将其输入到网络中。结果并不理想。

这是结果的图片

你可以看到我的输出层的准确率为0。此外，误差为1.57个环，相当于2.355年。不管我如何实验/改变节点数或层数，这个准确率值都不会改变。

我不确定为什么会这样。也许，我对神经网络输出的理解有误？例如，(1.57, 0.0)可能并不代表环数和准确率水平。也许这个数据集不适合用于神经网络（意味着其他算法可能更适合）。如果有人知道为什么会发生这种情况，或者如何改进我的当前代码并提供解释，我将非常感激。

回答：

我认为问题可能如下：从你对问题的描述来看，你试图执行一个回归任务，即预测鲍鱼的年龄。理论上，年龄可以是任何正实数。因此，你在这里使用的准确率指标不适合这个任务，因为它是用于分类任务的，即当输出属于一组固定且离散的可能性之一时。因此，我建议使用其他指标来衡量你的模型结果，例如均方误差或平均绝对误差，这些指标适合回归任务。

另外，请注意，尽管你的指标（准确率）值为0，但你的损失函数确实在每个epoch后都在减少，这表明你的模型在改进 🙂