[英]Python: Issues training and predicting regression on Keras
我正在使用Keras处理一个简单的时间序列回归问题,我想用最后20个收盘价来预测下一个收盘价,根据我发现的一些例子,我有以下代码:
我根据“build_fn”参数的需要在一个单独的函数中编写我的顺序模型:
def modelcreator():
model = Sequential()
model.add(Dense(500, input_shape = (20, ),activation='relu'))
model.add(Dropout(0.25))
model.add(Dense(250,activation='relu'))
model.add(Dense(1,activation='linear'))
model.compile(optimizer=optimizers.Adam(),
loss=losses.mean_squared_error)
return model
我创建了KerasRegressor对象,传递模型创建者函数和所需的拟合参数:
estimator = KerasRegressor(build_fn=modelcreator,nb_epoch=100, batch_size=32)
我用592个样本通过KerasRegressor对象训练模型:
self.estimator.fit(X_train, Y_train)
问题开始显现,虽然nb_epoch = 100我的模型只训练了10个时代:
Epoch 1/10
592/592 [==============================] - 0s - loss: 6.9555e-05
Epoch 2/10
592/592 [==============================] - 0s - loss: 1.2777e-05
Epoch 3/10
592/592 [==============================] - 0s - loss: 1.0596e-05
Epoch 4/10
592/592 [==============================] - 0s - loss: 8.8115e-06
Epoch 5/10
592/592 [==============================] - 0s - loss: 7.4438e-06
Epoch 6/10
592/592 [==============================] - 0s - loss: 8.4615e-06
Epoch 7/10
592/592 [==============================] - 0s - loss: 6.4859e-06
Epoch 8/10
592/592 [==============================] - 0s - loss: 6.9010e-06
Epoch 9/10
592/592 [==============================] - 0s - loss: 5.8951e-06
Epoch 10/10
592/592 [==============================] - 0s - loss: 7.2253e-06
当我尝试使用数据样本进行预测时:
prediction = self.estimator.predict(test)
预测值应该接近0.02-0.04范围但是当我打印它时我得到0.000980315962806344
Q1:如何将训练时期设置为所需的值?
Q2:如何用我的NN生成预测?
第一件事是你最有可能使用Keras 2.0,在那个版本中,参数nb_epochs被重命名为epochs。
第二件事是你必须将输入和输出标准化为[0,1]范围。 没有标准化,它将无法运作。 此外,为了匹配标准化输出和网络范围,最好在输出层使用sigmoid激活。
您的网络没有融合。 尝试更改参数。 损失应该持续减少。 还要正确初始化参数。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.