如何培养医学数据tensorflow.js

Question

我正在使用tfjs和一些(假的)医学数据(乳腺癌)来编写POC脚本。数据如下：

206、293、140、126、117、27、35、152、239、79的结果(ys)为1，其中1为恶性，0为良性。

脚本看起来是训练的，但是准确性/损失是不会改变的，不管数据如何，我都会得到相同的结果。我已经核实了数据/格式。脚本如下：

  const transformedData = _.shuffle(data).map(util.transformRow);

// Define the model.
const model = tf.sequential();
// Set up the network layers
model.add(tf.layers.dense({units: 10, activation: 'relu', inputShape: [10]}));
model.add(tf.layers.dense({units: 150, activation: 'relu'}));
model.add(tf.layers.dense({units: 250, activation: 'relu'}));
model.add(tf.layers.dense({units: 250, activation: 'relu'}));
model.add(tf.layers.dense({units: 250, activation: 'relu'}));
model.add(tf.layers.dense({units: 1, activation: 'softmax', outputShape: [1]}));
// Define the optimizer
const optimizer = tf.train.adam(LEARNING_RATE);
// Init the model
model.compile({
    optimizer: optimizer,
    loss: 'meanSquaredError',
    metrics: ['accuracy'],
});

  const ys = transformedData.map(d => [d.ys]);
  const xs = transformedData.map(d => d.xs);

  let xTrain = tf.tensor2d(xs.slice(0,500), [xs.slice(0,500).length, 10]); // [[123,234,345...], [...]...]
  let yTrain = tf.tensor2d(ys.slice(0,500), [ys.slice(0,500).length, 1]); // [[1], [0]...]

  console.log('ready to start training model');
  const history = await model.fit(xTrain, yTrain, {
    epochs: EPOCHS,
    validationData: [xTrain, yTrain],
  }) 

要明确的是，我现在并不关心超级精确的结果或优化，我只是希望脚本能够真正地训练模型。

Answer 1

两个问题：

1. 由于您处于二进制分类设置，因此应该使用loss: 'binaryCrossentropy' (MSE用于处理回归问题)。

在这种情况下，输出层的sigmoid.激活没有任何意义，请将其更改为sigmoid.。

另外，您不共享LEARNING_RATE的实际值；尝试完全删除该参数--众所周知，Adam通常(非常)具有(非常)的默认学习速率。