如何使用Keras训练和调整人工多层感知器神经网络？

我正在使用Keras构建我的第一个人工多层感知器神经网络.

这是我的输入数据:

这是我用来构建我的初始模型的代码,它基本上遵循Keras示例代码:

model = Sequential()
model.add(Dense(64, input_dim=14, init='uniform'))
model.add(Activation('tanh'))
model.add(Dropout(0.5))
model.add(Dense(64, init='uniform'))
model.add(Activation('tanh'))
model.add(Dropout(0.5))
model.add(Dense(2, init='uniform'))
model.add(Activation('softmax'))

sgd = SGD(lr=0.1, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='mean_squared_error', optimizer=sgd)
model.fit(X_train, y_train, nb_epoch=20, batch_size=16)

输出:

Epoch 1/20
1213/1213 [==============================] - 0s - loss: 0.1760     
Epoch 2/20
1213/1213 [==============================] - 0s - loss: 0.1840     
Epoch 3/20
1213/1213 [==============================] - 0s - loss: 0.1816     
Epoch 4/20
1213/1213 [==============================] - 0s - loss: 0.1915     
Epoch 5/20
1213/1213 [==============================] - 0s - loss: 0.1928     
Epoch 6/20
1213/1213 [==============================] - 0s - loss: 0.1964     
Epoch 7/20
1213/1213 [==============================] - 0s - loss: 0.1948     
Epoch 8/20
1213/1213 [==============================] - 0s - loss: 0.1971     
Epoch 9/20
1213/1213 [==============================] - 0s - loss: 0.1899     
Epoch 10/20
1213/1213 [==============================] - 0s - loss: 0.1957     
Epoch 11/20
1213/1213 [==============================] - 0s - loss: 0.1923     
Epoch 12/20
1213/1213 [==============================] - 0s - loss: 0.1910     
Epoch 13/20
1213/1213 [==============================] - 0s - loss: 0.2104     
Epoch 14/20
1213/1213 [==============================] - 0s - loss: 0.1976     
Epoch 15/20
1213/1213 [==============================] - 0s - loss: 0.1979     
Epoch 16/20
1213/1213 [==============================] - 0s - loss: 0.2036     
Epoch 17/20
1213/1213 [==============================] - 0s - loss: 0.2019     
Epoch 18/20
1213/1213 [==============================] - 0s - loss: 0.1978     
Epoch 19/20
1213/1213 [==============================] - 0s - loss: 0.1954     
Epoch 20/20
1213/1213 [==============================] - 0s - loss: 0.1949

如何训练和调整此模型并获取我的代码以输出我最好的预测模型？我是神经网络的新手,我只是完全混淆了构建模型后的下一步是什么.我知道我想优化它,但我不确定要调整哪些功能,或者我是否应该手动执行或如何编写代码来执行此操作.

你可以做的一些事情是:

将损失函数更改mean_squared_error为binary_crossentropy.mean_squared_error用于回归,但您想要对数据进行分类.

添加show_accuracy=True到您的fit()功能,在每个时期输出您的模型的准确性.这些信息对您来说可能比损失价值更有用.

添加validation_split=0.2到您的fit()功能.目前,您只是在训练集上进行训练并且无需进行验证.这是机器学习中的一个禁忌,因为你不能确定你的模型没有简单地记住你的数据集的正确答案(没有真正理解为什么这些答案是正确的).

从奥巴马/罗姆尼改为民主党/共和党,并增加以往选举的数据.~1200个例子是神经网络的一个非常小的数据集.还要添加包含失业率或人口密度等有价值信息的列.请注意,相当一些值(如人口数量)可能类似于提供州名称,因此例如您的网络可能会了解德克萨斯的意思Republican.

如果尚未执行此操作,请将所有值标准化为0到1的范围(通过从每个值中减去列的最小值,然后除以列的(最大 - 最小值)).神经网络可以比非标准化数据更好地处理标准化数据.

尝试Adam而Adagrad不是SGD.有时他们表现更好.(请参阅有关优化器的文档.)

尝试Activation('relu'),LeakyReLU,PReLU和ELU代替Activation('tanh').Tanh很少是最好的选择.(请参阅高级激活功能.)

尝试增加/减少密集层的大小(例如从)64到128.还可以尝试添加/删除图层.

尝试添加BatchNormalization图层(在Activation图层之前).(见文件.)

尝试更改辍学率(例如从0.5to 0.25).