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?
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。 –