※ 引述《oo855050 (阿偉)》之銘言：
: 版上各位好
: 小弟目前正在學機器學習，看了李宏毅老師的線上影片，想說自己做一下作業來練習，不
: 過目前訓練中遇到了triaining data的準確率都卡在0.82左右，自己手刻程式訓練的結果
: 是0.82，用keras去訓練也差不多在0.85左右
: 目前手刻使用過的方法有shffle資料 跟用batch去訓練，而gradient descend用了一般的
: GD和momentum的方式
: 想請教版上各位大大，是否有什麼方式是可以提高準確度的呢？
: 上網查一下，似乎挑選資料的特徵也非常重要不過如何挑選就沒什麼概念了QQ
: 請問版上大大是否有什麼好的方法可以提升training 的準確率嗎
: 感謝><
這邊回覆一下moodoa大
資料量為32500筆左右

此為我目前的網路架構

LR太大了

如果最後是二元分辨(True/False, 0/1)，那loss比起用'categorical_crossentropy',也許用'binary_crossentropy'會更適合一些然後也許沒有使用one hot encoding 的必要，抑或是我誤會你說的二元分類的意思了？此外像其他板友提過的，可以在第二層加上dropout，最後的activation 從softmax換成sigmoid，以及在fit那邊加上validation_split=0.2取兩成的train data當val. data，以此來觀察模型是否缺乏/過度訓練

M大看他上篇說的 underfitting可能性比較大簡單解法就是增加層數、節點數換優化器改cost func.都無法改善模型複雜度不足

一次dropout第二層dense太小lr拿掉 1e-02....metrics增加errorbs=64 就行可以的話弄個one cycle fitloss function改binary_crossentropy

如b大所說，如果是under fitting 那就增加層數節點試試看，或是最直觀的增加epochs噢我剛剛看到你的epochs已經30了，那就朝向增加層數和每層增加unit這個方向先試試看吧