模型拟合随机数据以及高度相关的数据

问题描述

我有一个TensorFlow程序，该程序试图根据某人的total compensation来预测某人的salary。该程序的准确性最高可达约65,000美元的均方误差。

这种不准确的程度很奇怪，因为在我的数据集中salary与total compensation高度相关。因此，我决定将salary更改为随机数。我的模型仍然以$ 65,000的均方误差最高。为什么我高度相关的输入给出的结果与随机数相等？

这是我的程序：

DATA = pd.read_csv ('compensation.csv')

GOAL = DATA['Total Compensation']
INPUT_DATA = (DATA['Salaries'])

model_inputs = tf.keras.Input (shape=(1))
x = tf.keras.layers.Dense (20,activation=tf.nn.relu) (model_inputs)
x = tf.keras.layers.Dense (50,activation='softmax') (x)

outputs = tf.keras.layers.Dense (1) (x)

my_model = tf.keras.Model (inputs=model_inputs,outputs=outputs)

my_model.compile (loss=tf.keras.losses.MeanSquaredLogarithmicError(),optimizer=tf.keras.optimizers.Adam(learning_rate=.1),metrics=tf.metrics.MeanAbsoluteError())

my_model.fit (x=INPUT_DATA,y=GOAL,batch_size=1000,epochs=1000)

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）