2019/09/05

---恢复内容开始---

完了，大事不妙，今天才发现我做归一化的时候顺带着把下面一行数据也做了归一化了，我就奇了个怪为什么loss这么小，伤透心了，又得重来。

 

今日完成

 

今天把损失函数换了一下，又换回来了，从MAE又换回来MSE

 

然后呢加了L2正则化的东西到每一层去

 

最重要的是修改了准确度计算的公式

 

一开始我用的是

 

\[{\frac{{{ \left| {\mathop{{y}}\nolimits_{{predict}}\text{ }-\text{ }\mathop{{y}}\nolimits_{{actual}}} \right| }}}{{\mathop{{y}}\nolimits_{{actual}}}}}\] 

 

然后后来才发现我的分母，也就是刑期，其实是可以小于1的，0.x之类的，所以算准确度误差可能就会变大，平均值就被抬的很高

 

所以我改成了

 

\[{\frac{{{ \left| {\mathop{{{y}}}\nolimits_{{predict}}\text{ }-\text{ }\mathop{{{y}}}\nolimits_{{actual}}} \right| }}}{{\mathop{{y}}\nolimits_{{max\text{ }}}-\text{ }\mathop{{y}}\nolimits_{{min}}}}}\] 

 

这里的ymax和ymin代表的是不同区间的判罪上下限，金额一般判0-3年，金额较大判3-10年，金额巨大判10-无期

 

主要是对不同参数的模型进行评估

 

下面分别是没有加正则化的各模型训练一百万次之后得到的loss 和 acc曲线图

 

64X32

 

 

 

 

 

 

 

32X32

 

 

 

 

 

 

 

 

当然，这只是其中两个模型，可以看出都过拟合了

 

明日计划

 

测试模型参数，加上L2正则项看看结果

 

今日感想

 

一失足成千古恨，这几天的测试都白费