.predict返回nan

Question

尝试建立一个由1个隐层和4个节点组成的神经网络。

toyes = Sequential()
toyes.add(Dense(units = 4, activation = 'linear', input_dim = 5))
toyes.add(Dense(units = 1, activation = 'linear'))

我做了编辑和拟合。FYI，x_train和y_train是pandas.DataFrame。x_train包含X1，X2，X3，X4，X5和y_trains包含Y 在这里输入图像描述

toyes.compile(loss = 'mean_squared_error', optimizer = SGD(lr=1))
toyes.fit(x_train.values, np.asarray(y_train).reshape(-1,1), epochs = 1500, verbose=0)

我终于得到南..。但是我不明白结果，虽然我匹配输入类型作为一个数组，而不是熊猫！

toyes.predict(x_test.values)

[[nan]
[nan]
[nan]
[nan]
[nan]
[nan]
[nan]
[nan]
[nan]
[nan]
[nan]]

在这里输入图像描述

请让我知道得到正确的方法！

Answer 1

设定较低的学习率。

SGD(lr=0.001)

如果df中有nan值，它也可能导致这个问题。

toyes = Sequential()
toyes.add(Dense(5,activation=‘relu’))
toyes.add(Dense(4,activation=‘relu’))

toyes.add(Dense(1))

toyes.compile(loss=‘mse’,optimizer=SGD(lr=0.001)

我建议使用relu，和更容易理解的输入！