我尝试使用Keras设计了一个LSTM网络，但准确率为0.00，而损失值为0.05。我编写的代码如下。

model = tf.keras.models.Sequential()model.add(tf.keras.layers.Flatten())model.add(tf.keras.layers.Dense(128, activation = tf.nn.relu))model.add(tf.keras.layers.Dense(128, activation = tf.nn.relu))model.add(tf.keras.layers.Dense(1, activation = tf.nn.relu))def percentage_difference(y_true, y_pred):    return K.mean(abs(y_pred/y_true - 1) * 100)model.compile(optimizer='sgd',              loss='mse',             metrics = ['accuracy', percentage_difference])model.fit(x_train, y_train.values, epochs = 10)

我的输入训练和测试数据集是使用pandas库导入的。特征数量为5，目标数量为1。感谢您的任何帮助。

回答：

从我所见，您正在将一个神经网络应用于回归问题。

回归的任务是通过学习各种独立特征来预测连续值。

因此，在回归问题中，我们没有像accuracy这样的metrics，因为这是分类分支的监督学习的指标。

对于回归来说，accuracy的等价物可能是判定系数或R^2 Score。

from keras import backend as Kdef coeff_determination(y_true, y_pred):    SS_res =  K.sum(K.square( y_true-y_pred ))    SS_tot = K.sum(K.square( y_true - K.mean(y_true) ) )    return ( 1 - SS_res/(SS_tot + K.epsilon()) )model.compile(optimizer='sgd',          loss='mse',         metrics = [coeff_determination])