Optimización de la precisión de la red neuronal.
He construido un ANN en keras que tiene 1 capa de entrada (3 entradas), una capa de salida (1 salida) y dos capas ocultas con 12 y 3 nodos respectivamente.
La forma en que construyo y entreno mi red es:
from keras.models import Sequential
from keras.layers import Dense
from sklearn.cross_validation import train_test_split
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
dataset = numpy.loadtxt("sorted output.csv", delimiter=",")
# split into input (X) and output (Y) variables
X = dataset[:,0:3]
Y = dataset[:,3]
# split into 67% for train and 33% for test
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.33, random_state=seed)
# create model
model = Sequential()
model.add(Dense(12, input_dim=3, init='uniform', activation='relu'))
model.add(Dense(3, init='uniform', activation='relu'))
model.add(Dense(1, init='uniform', activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fit the model
model.fit(X_train, y_train, validation_data=(X_test,y_test), nb_epoch=150, batch_size=10)
El archivo csv de salida ordenado se ve así:
así que después de 150 épocas obtengo:pérdida: 0.6932 - acc: 0.5000 - val_loss: 0.6970 - val_acc: 0.1429
Mi pregunta es: ¿cómo podría modificar mi NN para lograr una mayor precisión?