預測下一個結果 MLP 神經網絡 Python

Question

我正在嘗試預測我的數據集序列中的下一組數字，但是使用預測 function 對整個數據集進行分類，如何更改我的代碼以預測序列中的下一個結果？

我正在關注本教程，他的 model 基於 50,60,70 作為他的數據集輸出 80。 然而我的只是預測整個數據集？ 如何開始使用深度學習進行時間序列預測（7 天迷你課程）

這是我的數據集

這是代碼：

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

編輯：

對於整個數據集，我得到的 output 就是這個。

數據集從 1 行到 1251 行，我想用 N1、N2、N3、N4、N5、L1、L2 的 output 預測第 1252 行。

Answer 1

您將 sigmoid 激活作為您的最后一層，它提供范圍 [-1, 1] 的輸出，這不是您想要的最后一層，因為您正在預測下一個數字。

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

嘗試將其更改為

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

另外，對於此類任務，您最好使用 MSE loss function，BCE 更多用於分類任務，您可以在這里查看

為什么交叉熵方法優於均方誤差？ 這在什么情況下不成立？

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

希望這能解決你的問題