如何训练 tensorflow.js 医疗数据

Question

我正在用 tfjs 和一些（假的）医疗数据（乳腺癌）做一个 POC 脚本。数据如下所示：

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

脚本似乎可以训练，但 accuracy/loss 永远不会改变，无论数据如何，我都会得到相同的结果。我已经验证了 data/format。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],
  })

明确地说，我现在不关心超级准确的结果或优化，我只希望脚本能够实际训练模型。

Answer 1

两期：

由于您处于二元分类设置中，因此您应该使用loss: 'binaryCrossentropy'（MSE用于回归问题）。
在这样的设置下，输出层的softmax激活没有任何意义；将其更改为 sigmoid.

此外，您没有分享您 LEARNING_RATE 的实际价值；尝试完全删除参数 - 已知 Adam 通常（非常）好地使用其默认学习率。

如何训练 tensorflow.js 医疗数据

How to train tensorflow.js on medical data

node.js

machine-learning

keras

tensorflow.js

tfjs-node