Epoch 1/10 102/102 [==============================] – 1s 3ms/step – loss: -2549.9565 – accuracy: 0.0000e+00 – val_loss: -9641.7832 – val_accuracy: 0.0000e+00 Epoch 2/10 102/102 [==============================] – 0s 2ms/step – loss: -100903.8047 – accuracy: 0.0000e+00 – val_loss: -109140.1953 – val_accuracy: 0.0000e+00 Epoch 3/10 102/102 [==============================] – 0s 2ms/step – loss: -641171.8750 – accuracy: 0.0000e+00 – val_loss: -435671.3750 – val_accuracy: 0.0000e+00 Epoch 4/10 102/102 [==============================] – 0s 2ms/step – loss: -2067545.3750 – accuracy: 0.0000e+00 – val_loss: -1124630.8750 – val_accuracy: 0.0000e+00 Epoch 5/10 102/102 [==============================] – 0s 2ms/step – loss: -4791715.5000 – accuracy: 0.0000e+00 – val_loss: -2288296.2500 – val_accuracy: 0.0000e+00 Epoch 6/10 102/102 [==============================] – 0s 2ms/step – loss: -9201973.0000 – accuracy: 0.0000e+00 – val_loss: -4054063.5000 – val_accuracy: 0.0000e+00 Epoch 7/10 102/102 [==============================] – 0s 2ms/step – loss: -15661360.0000 – accuracy: 0.0000e+00 – val_loss: -6518505.0000 – val_accuracy: 0.0000e+00 Epoch 8/10 102/102 [==============================] – 0s 2ms/step – loss: -24346854.0000 – accuracy: 0.0000e+00 – val_loss: -9727398.0000 – val_accuracy: 0.0000e+00 Epoch 9/10 102/102 [==============================] – 0s 2ms/step – loss: -35608440.0000 – accuracy: 0.0000e+00 – val_loss: -13758504.0000 – val_accuracy: 0.0000e+00 Epoch 10/10 102/102 [==============================] – 0s 2ms/step – loss: -49649712.0000 – accuracy: 0.0000e+00 – val_loss: -18720726.0000 – val_accuracy: 0.0000e+00 26/26 [==============================] – 0s 617us/step Accuracy: 0.0 Precision: 0.0 Recall: 0.0 F1 Score: 0.0

上記の出力を見ると、モデルの損失値と精度が非常に大きな負の値になっています。また、精度、適合率、再現率、F1スコアがすべて0になっています。これはモデルが適切に学習されていないことを示しています。

この問題の原因として考えられることはいくつかありますが、次の可能性があります:

  1. モデルの構造が適切でない:ニューラルネットワークのアーキテクチャが適切でない可能性があります。モデルの層の数やノードの数を調整する必要があります。

  2. データの前処理が不十分:データのスケーリング、正規化、欠損値の処理などの前処理が十分に行われていない可能性があります。

  3. ハイパーパラメータのチューニングが不足している:学習率、バッチサイズ、エポック数などのハイパーパラメータを調整する必要があります。

解決策として、以下の手順を試してみてください:

  1. モデルの構造を変更し、より複雑なモデルを試す。
  2. データの前処理を改善し、特徴量の正規化やスケーリングを行う。
  3. ハイパーパラメータのチューニングを行い、最適なパラメータを見つける。
  4. データのバランスを調整し、クラスの不均衡を解消する。

これらの手順を実行して、モデルの性能を向上させることができるかどうかを確認してください。

未分類

Posted by ぼっち