飞行数据集的准确度非常低

Question

我正在尝试训练一个模型，以根据航空公司、月份中的某天、目的地和出发地来预测出发延迟。我尝试了几种方法，但准确性非常低。 在这里输入图像描述 拳头我使用了直接从 -20 到 +20 分钟变化的延迟标签，我尝试通过设置间隔来使其更容易：对于 [0 5[ => 0 [5 10] => 1 ..etc 的延迟但准确性仍然很差，我尝试了几种方法；更改图层不规范化特征移除和添加新特征但我仍然找不到有效的东西################### 加载数据集df= dataset[['UniqueCarrier','DayofMonth','DepDelay','Dest','Origin']]df.tail()df = df.dropna()df = df[(df['DepDelay'] <= 20) & (df['DepDelay'] <= 20)]############### 掩码延迟值ask = (df.DepDelay > 0) &  (df.DepDelay < 5)column_name = 'DepDelay'df.loc[mask, column_name] = 0mask = (df.DepDelay >= 5) &  (df.DepDelay < 10)column_name = 'DepDelay'df.loc[mask, column_name] = 1mask = (df.DepDelay >= 10) &  (df.DepDelay < 15)column_name = 'DepDelay'df.loc[mask, column_name] = 2mask = (df.DepDelay >= 15) &  (df.DepDelay <= 20)column_name = 'DepDelay'df.loc[mask, column_name] = 3mask = (df.DepDelay >= -5) &  (df.DepDelay < 0)column_name = 'DepDelay'df.loc[mask, column_name] = -1mask = (df.DepDelay >= -10) &  (df.DepDelay < -5)column_name = 'DepDelay'df.loc[mask, column_name] = -2mask = (df.DepDelay >= -15) &  (df.DepDelay < -10)column_name = 'DepDelay'df.loc[mask, column_name] = -3mask = (df.DepDelay >= -20) &  (df.DepDelay < -15)column_name = 'DepDelay'df.loc[mask, column_name] = -4############### 拆分标签和特征y= df['DepDelay']df.drop(columns = ['DepDelay'], inplace = True, axis = 1)################ 替换字符值from sklearn import preprocessingle = preprocessing.LabelEncoder()df['Dest'] = le.fit_transform(df.Dest.values)df['Origin'] = le.fit_transform(df.Origin.values)df['UniqueCarrier'] = le.fit_transform(df.UniqueCarrier.values######################### 标准化from sklearn.preprocessing import StandardScalerfrom sklearn import preprocessing# Normalize Training Data std_scale = preprocessing.StandardScaler().fit(df)df_norm = std_scale.transform(df)training_norm_col1 = pd.DataFrame(df_norm, index=df.index,     columns=df.columns) df.update(training_norm_col1)print (df.head())

Answer 1

当loss = 'mean_squared_error'在单节点最后一层使用和不激活（即默认的线性）时，就像您在这里所做的那样，您处于回归设置中，其中准确性没有意义（仅在分类问题中有意义）。

不幸的是，在这种情况下，Keras 不会“保护”您，坚持计算并报告“准确性”，尽管它对您的问题毫无意义且不合适 - 请参阅我在什么函数定义 Keras 中的准确性时的回答损失是均方误差（MSE）？

如果你想坚持回归设置，你应该简单地metrics=['accuracy']从你的模型编译中删除，不要打扰 - 在回归设置中，MSE 本身可以（并且通常确实）也可以作为性能指标。但这意味着您将尝试直接预测数值，而不是您所描述的来自分箱的“标签”。

如果您想预测分箱间隔，例如

[0 5] => 0 

[5 10] => 1 

等，即在分类设置中工作，您应该将损失更改为categorical_cross_entropy并保持准确性作为您的指标。请记住，您还应该将标签转换为单热编码的标签（请参阅 Keras to_categorical），并将最后一层替换为

model.add(Dense(num_classes, activation='softmax'))

num_classes您的分箱过程产生的类数在哪里。