損失機能が表示されない

Question

私は神経回路網で自分の手を試してみたいと思い、ケラが構文的にとてもシンプルであることがわかりました。

[[ 888.   900.5   855.   879.311  877.00266667 
    893.5008 ] 
[ 875.   878.5   840.   880.026  874.56933333 
    890.7948 ] 
[ 860.   870.   839.5   880.746  870.54333333 
    887.6428 ]....] 

それは金融の6枚の入力がある：私のセットアップがX_train形状の配列である（3516、6） とy_trainは

X_trainはこのようになります（3516）形状であります1つの出力を予測するデータ。私はそれが正確ではないことを知っていますが、それは私がRNNsに着く前に少なくとも私は何かに行くことです。 私の問題は、すべての時代の損失関数は、精度が0％を示す、validation_accuracyは0％データがたとえモデルを通過していないと言っても、貧弱なインプットを持つ貧弱なモデルであっても、大きな損失の権利によって表されるべきであるという意味です。こちらのモデルは次のようになります（下記参照）

とにかく、私は私が何か間違ったことをやっていることを確信していると、本当に君たちは、入力 多くのおかげ S

EDIT感謝の男：FULL作業コード：

は、本当に低

def load_data(keyword): 

    df = pd.read_csv('%s_x.csv' %keyword) 
    df2 = pd.read_csv('%s_y.csv' %keyword) 

    df2 = df2['label'] 

    try: 
     df.drop('Unnamed: 0', axis = 1, inplace=True) 
    except: 
     print('wouldnt let drop unnamed column') 

    X = df.as_matrix() 
    y = df2.as_matrix() 

    X_len = len(X) 
    test_size = 0.2 
    test_split = int(test_size * X_len) 
    X_train = X[:-test_split] 
    y_train = y[:-test_split] 

    X_test = X[-test_split:] 
    y_test = y[-test_split:] 

def keras(): 
    model = Sequential([ 
     Dense(input_dim=3, output_dim=3), 
     Dense(output_dim=60, activation='linear'), 
     core.Dropout(p=0.1), 
     Dense(60, activation='linear'), 
     core.Dropout(p=0.1), 
     Dense(1, activation='linear') 
    ]) 
    return model 


def training(epoch): 
    # start the program off by loading some data into it 
    X_train, X_test, y_train, y_test = load_data('admiral') 
    y_train = y_train.reshape(len(y_train), 1) 
    y_test = y_test.reshape(len(y_test), 1) 


    model = keras() 


    # optimizer will go into the compile function 
    # RMSpop is apparently a pretty decent choice for recurrent neural networks although we will start it on a simple nn too. 
    rms = optimizers.RMSprop(lr=0.001, rho = 0.9, epsilon =1e-08) 


    model.compile(optimizer= rms, loss='mean_squared_error ', metrics = ['accuracy']) 
    model.fit(X_train, y_train, nb_epoch=epoch, batch_size =500, validation_split=0.01) 

    score = model.evaluate(X_test, y_test, batch_size=50) 
    print(score) 

training(300) 

Answer 1

精度それは回帰問題のために、精度を表示するために意味をなさないdoesntのため、それはナンquestioただけので低かったを通じて

データが渡されていた分類のためのより多くのですnは答えました