在 python 中使用 LSTM 進行二進制時間序列預測

Question

您好，我正在使用二進制時間序列的表達式數據，如下所示：

0: decrease expression
1: increase expression

我正在訓練一個雙向 LSTM 網絡來預測下一個值，但它沒有給我 0 或 1 的值，而是返回如下值：

0.564
0.456
0.423
0.58

我怎樣才能讓它返回 0 或 1？

這是我的代碼：

ventana = 10
n_features = 1
neurons = 256 #155
activacion = 'softmax'
perdida = 0.25
batch_size = 32 # 32
epochs = 100 # 200
X, y = split_sequence(cierres, ventana)
X = X.reshape((X.shape[0], X.shape[1], n_features))
# define model
model = Sequential()
model.add(Bidirectional(LSTM(neurons, activation=activacion), input_shape=(ventana, n_features)))
model.add(Dropout(perdida))
model.add(Dense(1))
model.compile(optimizer='adam', loss='binary_crossentropy')
# fit model
model.fit(X, y, epochs=epochs, batch_size=batch_size, verbose=1, shuffle=False)

Answer 1

網絡有效地對數據執行回歸，並沒有給出精確的 0 或 1。通過給出介於兩者之間的數字，它產生了一定程度的置信度，數字更接近 1 更可信地為 1。要轉換它，您可以應用thresholding ，將 output 舍入為 0 或 1。

import numpy as np
y_out = model.fit(...)
y_pred = np.round(y_out)

話雖如此，這實際上並沒有最小化某些損失函數。 如果您在像 MSE 這樣的 function 上得分，最好保持數字不變。