Python：在Keras上发布训练和预测回归

我正在使用Keras进行一个简单的时间序列回归问题，我想使用最后20个收盘价预测下一个收盘价，根据一些示例，我有以下代码我发现：Python：在Keras上发布训练和预测回归

我写我的顺序模型在分离功能，需要通过“build_fn”参数：

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KerasRegressor物体通过模型制作功能和期望的配合参数：

estimator = KerasRegressor(build_fn=modelcreator,nb_epoch=100, batch_size=32)

我训练模型槽与592个样本KerasRegressor对象：

self.estimator.fit(X_train, Y_train)

和问题开始显现出来，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：

prediction = self.estimator.predict(test)

预测值应接近0.02-0.04范围但是当我打印它时，我得到0.000980315962806344

问题1：如何设置训练时期到期望值？

问题2：如何使用NN生成预测？

来源

2017-04-10 Andrés Rangel

首先，您最有可能使用Keras 2.0，在该版本中，参数nb_epochs已重新命名为epochs。

第二件事是，你必须标准化你的输入和输出到[0，1]范围。没有标准化就无法运作。同样为了匹配规范化的输出和网络范围，最好在输出层使用sigmoid激活。

来源

2017-04-10 21:11:49

更改nb_epochs到时代工作像一个魅力... 关于数据：我的输入和输出已经在[0,1]范围内关于激活函数：我改变了它，我仍然得到低预测结果是：0.003018886549398303当它应该已经比我的第一次线性激活的尝试大约有0.03的方式，但还没有完成，我的猜测是我有网络架构的问题，不再有语法和变量名称的问题......谢谢你的帮助 –

@AndrésRangel你可能在[0，1]中有数据，但他们也是需要覆盖[0，1]中的完整范围，这将有助于训练。 –

您的网络没有收敛。尝试更改参数。损失应该持续下降。同时正确初始化参数。

来源

2017-04-10 19:08:32

我应该尝试更改哪些参数？我一直在与其他神经网络使用相同的框架，我明白，损失值应该减少每次迭代或至少收敛，但我不能确认损失的趋势，只有10个迭代... –

Python：在Keras上发布训练和预测回归

回答

相关问题