python - 无法使用神经网络解释预测

Question

我正在尝试在 python 中使用 TensorFlow，对加密货币数据进行一些预测。问题在于，预测的输出类似于 0.1-0.9 数字，而加密货币数据应该是 10000-10100 格式，并且我没有找到将 0.* 数字转换为真实数字的解决方案。

我尝试创建一个比率，其中 substrat max - min 来自预测值，max-min 来自测试数据，然后除以得到一个比率，但是当我将此比率与预测相乘时，错误率很高(找到了 14000 的数字而不是 10000 的数字)

这里有一些代码:

train_start = 0
train_end = int(np.floor(0.7*n))
test_start = train_end
test_end = n
data_train = data[np.arange(train_start, train_end), :]
data_test = data[np.arange(test_start, test_end), :]


Scale data:

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
data_train = scaler.fit_transform(data_train)
data_test = scaler.transform(data_test)

Build X and y:

X_train = data_train[:, 1:]
y_train = data_train[:, 0]
X_test = data_test[:, 1:]
y_test = data_test[:, 0]

.
.
.

n_data = 10
n_neurons_1 = 1024
n_neurons_2 = 512
n_neurons_3 = 256
n_neurons_4 = 128
n_target = 1
X = tf.compat.v1.placeholder(dtype=tf.compat.v1.float32, shape=[None, n_data])
Y = tf.compat.v1.placeholder(dtype=tf.compat.v1.float32, shape=[None])

Hidden layer
..
Output layer (must be transposed)
..
Cost function
..
Optimizer
..

Make Session:

sess = tf.compat.v1.Session()

Run initializer:

sess.run(tf.compat.v1.global_variables_initializer())

Setup interactive plot:

plt.ion()
fig = plt.figure()
ax1 = fig.add_subplot(111)
line1, = ax1.plot(y_test)
line2, = ax1.plot(y_test*0.5)
plt.show()


epochs = 10
batch_size = 256
for e in range(epochs):

# Shuffle training data
shuffle_indices = np.random.permutation(np.arange(len(y_train)))
X_train = X_train[shuffle_indices]
y_train = y_train[shuffle_indices]

# Minibatch training
for i in range(0, len(y_train) // batch_size):
    start = i * batch_size
    batch_x = X_train[start:start + batch_size]
    batch_y = y_train[start:start + batch_size]
    # Run optimizer with batch
    sess.run(opt, feed_dict={X: batch_x, Y: batch_y})

    # Show progress
    if np.mod(i, 5) == 0:
        # Prediction
        pred = sess.run(out, feed_dict={X: X_test})

        #This pred var is the output of the prediction 

我将结果保存在一个文件中，如下所示:

2019-08-21 06-AM;15310.444858356934;0.50021994;

2019年8月21日中午12点;14287.717187390663;0.46680558;

2019年8月21日下午6点;14104.63871795706;0.46082407;

例如，最后的预测是 0,46，但当我尝试转换它时，我发现 14104，而它应该更接近 10000 值

有人知道如何转换这些预测吗？

谢谢!

Answer 1

您必须使用 inverse_transform MinMaxScaler 来转换回您获得的 0-1 范围内的输出。

您还没有给出您的模型，但我相信您正在利用具有很少密集层的回归任务。您必须不断减少损失。如果您使用均方误差，则损失越大，您的输出远离所需结果集的可能性就越大。

即使您的损失很小，并且结果对于训练样本来说很好，但预测对于测试数据集来说很糟糕，您可能必须考虑增加训练数据集，以便涵盖更多可能性。如果这不可能，请考虑减少神经网络中的神经元数量，以防止过度拟合。

您可以进行一些后处理，将输出限制在某个所需的范围内。