Сверхнизкая точность модели нейронной сети ⇐ Python

[Anonymous]

Я прошел руководство по оценке модели нейронной сети с использованием перекрестной проверки кода:

Код: Выделить всё

# Multiclass Classification with the Iris Flowers Dataset
import numpy
import pandas
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from keras.utils import np_utils
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import KFold
from sklearn.preprocessing import LabelEncoder
from sklearn.pipeline import Pipeline
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# load dataset
dataframe = pandas.read_csv("/content/drive/My Drive/iris.data", header=None)
dataset = dataframe.values
X = dataset[:,0:4].astype(float)
Y = dataset[:,4]

# encode class values as integers
encoder = LabelEncoder()
encoder.fit(Y)
encoded_Y = encoder.transform(Y)

# convert integers to dummy variables (i.e. one hot encoded)
dummy_y = np_utils.to_categorical(encoded_Y)

# define baseline model
def baseline_model():

# create model
model = Sequential()
model.add(Dense(4, input_dim=4, activation="relu", kernel_initializer="normal"))
model.add(Dense(3, activation="sigmoid", kernel_initializer="normal"))

# Compile model
model.compile(loss= 'categorical_crossentropy' , optimizer= 'adam' , metrics=[ 'accuracy' ])

return model
estimator = KerasClassifier(build_fn=baseline_model, nb_epoch=200, batch_size=5, verbose=0)
kfold = KFold(n_splits=10, shuffle=True, random_state=seed)
results = cross_val_score(estimator, X, dummy_y, cv=kfold)
print("Accuracy: %.2f%% (%.2f%%)" % (results.mean()*100, results.std()*100))

Предполагалось, что точность будет около 95,33% (4,27%), но я получил ~точность: 34,00% (13,15%) с нескольких попыток. Код модели выглядит точно таким же. Скачал данные отсюда по инструкции. Что может пойти не так?

Подробнее здесь: https://stackoverflow.com/questions/592 ... work-model