為什么我的 MLP 神經網絡的 output 在 0 和 1 之間？

Question

我制作了一個神經網絡，使用歷史數據進行訓練來預測股票的未來價格。 數據集按小時間隔排列，因此目標是預測下一小時交易結束時的價格。

我使用了 2 個 (20,16) 格式的隱藏層，26 個輸入和一個 output，這應該是價格。 激活 function 是'relu'，求解器是'adam。

當訓練完成並且我嘗試對其進行測試時，所有輸出都是 0 到 1 之間的值，我不明白。

這是我的代碼：

# Defining the target column and predictors
target_column = ['close']
predictors = list(set(list(df.columns))-set(target_column)

# Standardizing the DataFrame
df[predictors] = df[predictors]/df[predictors].max()
df.describe().transpose()

# Creating the sets and splitting data
X = df[predictors].values
y = df[target_column].values
y = y.astype('int')
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.30, random_state=1)
df.reset_index()

#Fitting the training data
mlp = MLPClassifier(hidden_layer_sizes=(20,16), activation='relu', solver='adam', max_iter=1000)
mlp.fit(X_train, y_train.ravel())

#Predicting training and test data
predict_train = mlp.predict(X_train)
predict_test = mlp.predict(X_test)

執行代碼后，我也收到此警告：

UndefinedMetricWarning: Recall and F-score are ill-defined and being set to 0.0 in labels with no true samples. `Use `zero_division` parameter to control this behavior.

預測不應該至少是一個不限於 1 和 0 之間的連續數值變量嗎？

Answer 1

價格是一個連續變量，所以這是一個回歸問題而不是分類問題； 在這里，您試圖將分類器應用於回歸問題，這是錯誤的。

這樣的分類器產生一個概率output，不出所料，它位於 [0, 1]。

您應該使用MLPRegressor model 而不是MLPClassifier 。