预测下一个结果 MLP 神经网络 Python

Question

我正在尝试预测我的数据集序列中的下一组数字，但是使用预测 function 对整个数据集进行分类，如何更改我的代码以预测序列中的下一个结果？

我正在关注本教程，他的 model 基于 50,60,70 作为他的数据集输出 80。 然而我的只是预测整个数据集？ 如何开始使用深度学习进行时间序列预测（7 天迷你课程）

这是我的数据集

这是代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neural_network import MLPClassifier
from sklearn.metrics import classification_report,confusion_matrix

from numpy import loadtxt
from keras.models import Sequential
from keras.layers import Dense
# load the dataset
col_names = ['N1', 'N2', 'N3', 'N4', 'N5', 'L1', 'L2','label']
# load dataset 
pima = pd.read_csv("dataset.csv", header=None, names=col_names)
pima.head()

feature_cols = ['N1', 'N2', 'N3', 'N4', 'N5', 'L1', 'L2']
X = pima[feature_cols] # Features
y = pima.label 

model = Sequential()
model.add(Dense(122, input_dim=7, activation='relu'))
model.add(Dense(20, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(X, y, epochs=2000, batch_size=10)
# =======================
_, accuracy = model.evaluate(X, y)
print('Accuracy: %.2f' % (accuracy*100))

yhat = model.predict(X, verbose=0)
print(yhat) <- this outputs the predictions for the entire dataset and not the next prediction

编辑：

对于整个数据集，我得到的 output 就是这个。

数据集从 1 行到 1251 行，我想用 N1、N2、N3、N4、N5、L1、L2 的 output 预测第 1252 行。

Answer 1

您将 sigmoid 激活作为您的最后一层，它提供范围 [-1, 1] 的输出，这不是您想要的最后一层，因为您正在预测下一个数字。

model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

尝试将其更改为

model.add(Dense(1))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

另外，对于此类任务，您最好使用 MSE loss function，BCE 更多用于分类任务，您可以在这里查看

为什么交叉熵方法优于均方误差？ 这在什么情况下不成立？

model.compile(loss='mse', optimizer='adam', metrics=['accuracy'])

希望这能解决你的问题