如何知道model.predict()的输出对应于什么？
在云计算领域，model.predict()是一个常用的机器学习方法，用于对训练好的模型进行预测。该方法接收输入数据作为参数，并返回一个预测结果。为了知道model.predict()的输出对应于什么，可以通过以下步骤进行：
- 模型训练和评估：在使用model.predict()方法之前，首先需要进行模型的训练和评估。这涉及使用已标记的数据集进行训练，选择合适的算法和模型架构，并通过评估指标（如准确率、精确率、召回率等）对模型进行评估。
- 特征工程：在训练模型之前，通常需要对输入数据进行预处理和特征工程。这包括数据清洗、特征选择、特征缩放等步骤，以确保输入数据的质量和适用性。
- 数据标签和预测类别：在监督学习任务中，训练过程中需要有标签的数据。标签通常是预定义的类别或类别标识。模型在训练期间学习这些标签与输入特征之间的关系，并据此进行预测。
- 推断和预测解释：当调用model.predict()方法时，它将采用输入数据并返回模型对该数据的预测结果。这些结果通常是某个类别的标识，或者是数值型数据的预测值。要理解这些输出的含义，需要根据具体的应用场景和模型的任务来解释。例如，如果模型是一个图像分类器，预测结果可能是表示物体类别的整数标签。
- 模型解释性和评估：为了理解model.predict()的输出，可以使用解释性技术和工具，如特征重要性分析、SHAP值分析等。这些方法可以帮助揭示模型决策的原因和依据。
推荐腾讯云相关产品和链接：
- 腾讯云机器学习平台：提供丰富的机器学习和深度学习工具，支持模型训练和推理等任务。链接：https://cloud.tencent.com/product/tfml
- 腾讯云图像识别：提供图像分析和识别能力，可用于图像分类、目标检测等任务。链接：https://cloud.tencent.com/product/tii
- 腾讯云自然语言处理：提供文本分析和处理功能，支持情感分析、文本分类等任务。链接：https://cloud.tencent.com/product/nlp
请注意，本回答未包含亚马逊AWS、Azure、阿里云、华为云、天翼云、GoDaddy、Namecheap、Google等流行云计算品牌商的信息。
相关·内容
我正在学习TensorFlow和LSTM，当我训练它返回一个值时，我想知道为什么我的预测输出有多个值。我的目标是在使用数组进行情感分析训练之后，获得0到1之间的单个值。
培训输入数据如下：
[[59, 21, ... 118, 194], ... [12, 110, ... 231, 127]]
所有输入数组的长度与0填充的长度相同。培训目标数据如下：
[1.0, 0.5, 0.0, 1.0, 0.0 ...]
型号：
model = Sequential()
model.add(Embedding(input_length, 64, mask_zero=True))
model.add(LS
浏览 1提问于2018-12-30得票数 0
回答已采纳
我有一个分类问题，有8个输入和1个输出。我创建了以下模型：
const hidden = tf.layers.dense({
units: 8,
inputShape: [58, 8, 8],
activation: 'sigmoid'
});
const output = tf.layers.dense({
units: 1,
activation: 'softmax'
});
var model = tf.sequential({
layers: [
hidden,
output
]
});
现在当我预言
const p
浏览 0提问于2019-06-23得票数 1
回答已采纳
我有一个模型已经工作，并有一个循环它的训练。您可以在这里看到循环：
for idx, (x, y) in enumerate(train_dataset):
pred = model.predict_on_batch(x)
print(model.test_on_batch(x, pred, reset_metrics=False, return_dict=True))
print(model.train_on_batch(x, y, reset_metrics=False))
print(f"After {idx} entries")
我想要创建一个自定义混淆
浏览 5提问于2022-03-21得票数 -1
回答已采纳
我使用以下代码：
pipeline = Pipeline([('vect',
TfidfVectorizer( ngram_range=(1,2),
stop_words="english",
sublinear_tf=True ,
use_idf=True,
浏览 0提问于2019-06-20得票数 3
回答已采纳
1回答
朴素贝叶斯是如何工作的
、、、
我已经读到过朴素贝叶斯，它是一种分类技术算法，可以根据你给出的数据进行预测，但在这个例子中，我就是搞不懂输出3,4是怎么来的。 按照下面的示例： #assigning predictor and target variables
x= np.array([[-3,7],[1,5], [1,2], [-2,0], [2,3], [-4,0], [-1,1], [1,1], [-2,2], [2,7], [-4,1], [-2,7]])
Y = np.array([3, 3, 3, 3, 4, 3, 3, 4, 3, 4, 4, 4]
#Create a Gaussian Classifier
浏览 19提问于2019-02-01得票数 1
回答已采纳
我有一个经过训练的模型，我通过以下方式使用keras运行预测： model = pets.get_model(input_size=input_units)
model.compile(loss='categorical_crossentropy',
optimizer='adam', metrics=['accuracy'])
model.load_weights('models/2019-03-01-02-03-53.h5')
prediction = model.predict(X) 这给了我
浏览 12提问于2019-03-01得票数 4
回答已采纳
1回答
我使用这个函数来预测从未见过的图像的输出。
def predictor(img, model):
image = cv2.imread(img)
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
image = cv2.resize(image, (224, 224))
image = np.array(image, dtype = 'float32')/255.0
plt.imshow(image)
image = image.reshape(1, 224,224,3)
浏览 5提问于2022-04-22得票数 1
回答已采纳
我在Python.I中使用了Tensorflow，我成功地进行了预测，现在我在预测上遇到了倒置问题。也就是说，我使用了Sklearn的MinMaxScaler，并用下面这几行代码对数据进行了标准化： from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler(feature_range = (0,1))
dataset = scaler.fit_transform(df) 在成功拟合模型后，我想在数据中进行反演 # make predictions
trainPredict = model.predict(trai
浏览 56提问于2021-08-11得票数 1
一般来说，我对Tensorflow和机器学习相当陌生，但我知道我已经构建了一个小模型。虽然，当我使用model.predict加载时，我得到了一个属性错误： import tensorflow as tf
import numpy as np
checkpoint_path = "training_1/cp.ckpt"
# Hyperparamters
vocab_size = 2000
embedding_dim = 16
max_length = 1
trunc_type = "post"
padding_type = "post"
oo
浏览 14提问于2019-09-06得票数 2
回答已采纳
2回答
我在Keras中创建了以下简单的CNN (借用自DeepLizard教程)。
model = Sequential([
Conv2D(filters = 10, kernel_size = (3, 3), activation = 'relu', padding = 'same', input_shape = (320, 320, 3)),
MaxPool2D(pool_size = (2, 2), strides = 2),
Conv2D(filters = 10, kernel_size = (3, 3), a
浏览 8提问于2021-02-26得票数 0
我想预测lstm 7次。我必须从model.predict()获得输出，并使用输出再次预测到7倍。 这是代码。 data = 0
y_pred=0
data[0] = model.predict(X_test_t)
for i in range(7):
data[i+1] = model.predict(data[i])
print(data) 当我运行它时，显示如下错误 File "test_load_model.py", line 60, in <module>
data[0] = model.predict(X_test_t)
浏览 25提问于2019-02-25得票数 0
1回答
我要对图像进行基于像素的分类。下面是我用来训练NN的代码
net = input_data(shape=[None, 1,4])
net = tflearn.lstm(net, 128, return_seq=True)
net = tflearn.lstm(net, 128)
net = tflearn.fully_connected(net, 1, activation='softmax')
net = tflearn.regression(net, optimizer='adam',
loss='c
浏览 1提问于2017-01-01得票数 0
1回答
我训练Resnet-50分类网络来分类我的对象，并且我使用下面的代码来评估网络。
from tensorflow.keras.models import load_model
import cv2
import numpy as np
import os
class_names = ["x", "y", "b","g", "xx", "yy", "bb","gg", "xyz","xzy","yy"]
model
浏览 14提问于2020-06-24得票数 4
回答已采纳
1回答
我在python中使用fbprophet模块制作了股票数据图表。我的图表是这样的：
我使用的代码如下：
model = Prophet()
model.fit(df)
future = model.make_future_dataframe(periods=365) # forecasting for 1 year from now.
forecast = model.predict(future)
''' Plotting the forecast '''
figure = model.plot(forecast)
plt.plot
浏览 0提问于2018-06-25得票数 0
回答已采纳
我的数据是多类、多标签类型的，我计划总共有100个输出类。
我对模型的输入X是音频数据，我的y是一个单热编码的numpy数组，有100个列显示一个1来指示相应的类(例如y = [0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0 0 ...)。
model = Sequential()
model.add(...) # more layers ... CNN ...
model.add(...) # more layers ... LSTM ...
model.add(Dense(512, input_dim=n_inputs, kernel_initializer=&
浏览 0提问于2021-08-01得票数 0
因此，我构建了一个简单的线性回归模型，具有几个特征。当我尝试预测新的输入时，输出是不一致的。例如：
In [1]: model.predict(X_new)
Out[1]: array([ 7.15993216e+08, 1.13548305e+09])
但如果我将其添加到原始训练样本上，我会得到一个非常不同的答案：
In [2]: model.predict(X_training[:1].append(X_new))[1:]
Out[2]: array([ 272682.59925699, 1179906.89475647])
这似乎与模型无关(至少在线性回归中是如此)。我还在管道
浏览 16提问于2016-09-08得票数 0
回答已采纳
1回答
我正在尝试在R中拟合一个图，并且我在旋转X轴标签时遇到了一些困难，我已经尝试了这个命令：
labels=lablist、srt=45、pos=1、xpd=TRUE
但它并不工作，因为它说它不知道标签。此外，我不知道如何获得斜体的标签名称。
有人有什么建议吗？谢谢您:)
浏览 0提问于2016-07-23得票数 0
看着mxnet文档。
它采用预先训练的squeenext1_1权重，并将imagenet_hotdog_index变量设置为713。
net = models.squeezenet1_1(pretrained=True, prefix='deep_dog_', ctx=contexts)
# hot dog happens to be a class in imagenet.
# we can reuse the weight for that class for better performance
# here's the index for that cl
浏览 0提问于2019-02-20得票数 3
回答已采纳
1回答
我怎样才能重塑角膜模型的输出？
、、、、
我想使用Keras中的functional构建一个递归网络，但是改变输出形状。目前，输出形状是(n,1)，其中n是输入向量的数目，如果我正确理解，则附加维度表示批数。我希望model.predict有一个形状(n，)的输出(以便它具有与y_test相同的形状)。我知道如何在运行model.predict后重新调整输出，但是是否有一种方法可以改变网络，以便运行model.predict已经达到了所需的形状？
我也尝试使用整形层，但这并没有改变输出的形状。
真的很感激任何的想法和帮助！下面是一个玩具示例：
#random toy example
X=np.random.rand(100,3)
y=
浏览 3提问于2022-07-18得票数 0
1回答
我是coremltool的新用户，目前我能够转换我的TF模型，并在python中运行它。但是，我的模型的输出层是，而不是int32。我必须在python中执行回滚转换。
model.predict({"Input": image}).astype(int)
有人知道如何取消这种自动转换吗？并将输出保持为多维数组- int？
谢谢,
++t
浏览 4提问于2020-09-18得票数 0
回答已采纳
我在测试张量上使用model.predict()，它的大小与用于训练的输入(N_tr*70,1025,11,3)相同。 该模型通过回归进行训练，有三个输出作为地面实况，每个输出的大小(N_te*70,1025)。 有关信息，请在测试模型N_te=180时使用。 根据文档，model.predict()的输出应该是一个数值张量，但是我得到了一个包含三个元素的列表，每个元素都有形状(N_te*70,1025)。我担心输出可能以某种方式被混洗(这将解释我的意外结果)。 你有什么建议可以得到一个numpy数组，它与我用作地面实况的那个数组兼容吗？如果没有，你还知道其他的解决方法吗？ 编辑:添加了神经
浏览 43提问于2019-04-23得票数 0
回答已采纳
2回答
model.predict输出为[1.0.0.]、[0.1.0.]、[0.0.1.]这取决于图像的类别。目前正在努力获得类别名称作为输出，而不是下沉，板凳或死机，并想知道最好的方式来做这一点。 model = load_model('imageModel.h5')
img_width, img_height = 150, 150
img = image.load_img('PATH', target_size=(img_width, img_height))
img = image.img_to_array(img)
img = np.expand_dims(
浏览 22提问于2021-01-12得票数 0
回答已采纳
我有两班一班和二班：
model.predict_proba()的输出：
[0.333,0.6667]
model.predict()的输出：
1
在10个lac的测试数据中，大约200个测试值正在发生这种情况。对于所有其他记录，这两个函数的输出并不冲突。即使2类的概率较高，预测函数也给出最后一类为1。
对于这200个记录，model.predict()和model.predict_proba()的输出不同步的原因是什么？
浏览 0提问于2019-07-25得票数 1
1回答
我对蟒蛇和神经网络很陌生。我有一个用Keras编写的简单网络，它可以以线性顺序预测下一个数：
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
data = [[i for i in range(6)]];
data = np.array(data, dtype=int);
target = [[i for i in range(10, 16)]];
target = np.array(target, dtyp
浏览 1提问于2018-06-11得票数 4
我想评估一个模型，同时也捕捉到倒数第二层的激活。我用作为解决方案。我使用pen_ulti_activs = layer_outs[-2]访问倒数第二个激活。
但是，为了再次检查该解决方案是否真正有效，我在代码中添加了一个断言，通过比较从functor返回的最后一层激活和从model.predict返回的数组来验证来自functor的激活是否与model.predict的激活相匹配。但是断言失败了。因此，我想我误解了这个相互关联的答案是如何使用的。
from keras import backend as K
def evaluate_model(model, test_gen):
浏览 1提问于2019-04-03得票数 1
回答已采纳
我已经创建了一个使用keras的图像分类器，并且我正在尝试对单个图像使用model.predict()。我的代码如下所示：
path = 's.jpg'
from keras.preprocessing import image
img_width, img_height = 224,224
img = image.load_img(path, target_size = (img_width, img_height))
img = image.img_to_array(img)
img = np.expand_dims(img, axis = 0)
a =mode
浏览 2提问于2020-06-03得票数 0
1回答
使用顺序模型，如何获取2d输入的数组(三维输入)，并让模型对每个2d输入执行预测，以生成标量？输入形状(板)：153，8，8。输出形状(结果)：153。
型号：
const model = tf.sequential();
model.add(tf.layers.dense({units: 8, inputShape: [8]}));
model.add(tf.layers.dense({units:1, activation: 'sigmoid'}));
// Prepare the model for training: Specify the loss and the
浏览 0提问于2019-02-21得票数 0
这是我的代码：
def create_dataset(signal_data, look_back=1):
dataX, dataY = [], []
for i in range(len(signal_data) - look_back):
dataX.append(signal_data[i:(i + look_back), :])
dataY.append(signal_data[i + look_back, -1])
return np.array(dataX), np.array(dataY)
look_back = 20
浏览 0提问于2019-08-24得票数 1
回答已采纳
我们可以使用predict_classes()函数在Keras中使用序列分类模型来预测新数据实例的类。如何预测使用functional开发的模型的类？
例如，我有一个模型(基于函数API )，在最后一层激活了sigmoid，以获得多标签分类中的概率。当我应用model.predict()时，我得到了一系列的概率，即使损失是binary_crossentropy。
我知道我可以手动进行这个分类，例如采用以下方法。
test_predict_proba = model.predict(x_test, batch_size=batch_size)
class_predict = (test_pred
浏览 0提问于2020-04-29得票数 3
1回答
我正在使用scikit-learn的Perceptron算法来进行二进制分类。当使用库中的其他一些算法(RandomForestClassifer、LogisticRegression等)时，我可以使用model.predict_proba()让算法输出每个示例获得正(1)的概率。有什么方法可以为Perceptron算法获得类似的输出吗？
我所能达到的最接近的是model.decision_function()，它根据到超平面的有符号距离为示例输出一个置信度评分，但我不知道如何将这些信任分数转换成我想要的概率数字。
model.predict()也只返回二进制值。
浏览 1提问于2015-08-03得票数 5
回答已采纳
1回答
我在Keras中训练了一个模型(二值图像分类，重新训练的Xception模型)。现在如果我喂它
model.predict(np.random.rand(1, 300, 300, 3))
我得到了输出
array([[0.68225867, 0.3177413 ]], dtype=float32)
这就是我试图用真实图像得到的东西。然而，当我像这样提供真实的图像时：
from scipy.misc import imread,imresize
x=imread('processed_dataset/test/EM/bull_212.jpg',mode='RGB'
浏览 2提问于2018-07-25得票数 0
回答已采纳
如何将pd.series输出附加到循环中
输入
for hours in fun(data, 24*10):
model.fit(hours)
df['output'] = pd.Series(model.predict(hours))
我想要这样的东西
lst=[]
for hours in fun(data, 24*10):
model.fit(hours)
x = pd.Series(model.predict(hours))
lst.append(x)
df['output'] = pd.DataFrame(l
浏览 0提问于2020-06-17得票数 0
1回答
我试图在实时运行的应用程序中运行一个在Keras中受过训练的RNN。在递归网络中的“时间”(它是一个LSTM)这里是数据被接收时的实际时刻。
我想以一种在线的方式获得RNN的输出。对于非递归模型，我只是将我的输入输入到形状inputDatum=1,input_shape中，并在其上运行Model.predict。我不确定这是为应用程序在Keras中使用前向传递的预期方法，但它对我起了作用。
但对于递归模块，Model.predict期望输入整个输入，包括时间维度。所以这不管用..。
在Keras中有什么方法可以这样做吗?还是我需要深入到Tensorflow并在那里实现操作？
浏览 1提问于2018-03-16得票数 4
回答已采纳
我已经构建并训练了一个序列模型。
现在，在每次调用model.predict之前，我想要将数据上传到GPU中，做一些操作，然后使用存储在GPU中的输出调用model.predict，而无需下载到内存并将其移交给keras模型，以便再次上传到gpu。
编辑:我想在图形处理器中对输入图像使用opencv操作，如果可能的话，直接使用输出来调用model.predict。
浏览 6提问于2017-02-12得票数 1
我在Windows10上使用的是Matlab2018b，我知道Matlab字符串拼接需要拼接下的输入参数是字符数组、字符向量的单元格数组或https://de.mathworks.com/help/matlab/ref/strcat.html中提到的字符串数组。基于此，我预计在尝试执行以下操作时会出现错误： [1, 'some_string'] 或者 strcat(1, 'some_string') 但我没有收到任何错误消息。而不是像下面的快照中显示的那样获得输出： ? 根据下面的内容，看起来1正在进行从double到char的自动类型转换，但在这个过
浏览 74提问于2019-03-25得票数 0
回答已采纳
1回答
此代码试图预测加密货币的未来价格。当我给它数据时，它每次输出不同的东西。为什么会这样呢？
链接到完整代码：
这段代码输出的内容似乎是随机的，我不知道为什么。
x,y = preprocess_df(test_df)
model = tf.keras.models.load_model('models/RNN_Final-15-0.972.model')
prediction = model.predict(x)
print("15 Min Prediction(0): " + str(CATEGORIES[np.argmax(prediction[0])]
浏览 3提问于2021-03-17得票数 0
回答已采纳
1回答
嗨，我有一个数据的测试，我试图预测使用一个高斯HMM与HMM学习。
当我这么做时：
y = model.predict(test)
y
我让hmm能够很好地产生和排列状态。
然而，如果我这样做：
for i in range(0,len(test)):
y = model.predict(test[:i])
我只知道你被设定为1。
有人能帮忙吗？
更新
下面是进行迭代的代码
培训组为0-249：
for i in range(251,len(X)):
test = X[:i]
y = model.predict(test)
print(y[len(y)-1])
浏览 6提问于2016-09-08得票数 0
回答已采纳
我有这样缓存的代码：
[OutputCache(Duration="3600", Location=OutputCacheLocation.Client)]
现在，我不是很清楚这个输出缓存是如何工作的。它到底把页面的副本放在哪里？OutputCacheLocation.Client和OutputCacheLocation.Browser之间有什么区别？
浏览 0提问于2013-01-31得票数 2
回答已采纳
1回答
我知道LSTM层需要一个三维输入(样本、时间步骤、特性)。但是它的哪一个维度数据被认为是一个序列。阅读一些我理解的站点是时间步骤，所以我尝试创建一个简单的问题来测试。在这个问题中，LSTM模型需要在时间步长维度上对值进行求和。然后，假设模型将考虑时间步长的前一个值，它应该作为输出返回值的总和。
我试了4个样本，结果不太好。我的推理有道理吗？
import numpy as np
from keras.models import Sequential
from keras.layers import Dense, LSTM
X = np.array([
[5.,0.,-4.,3
浏览 1提问于2018-08-18得票数 2
回答已采纳
所以我正在运行Ubuntu12.4，有时当我点击一个图标时，它会将窗口放在右上角/左上角，我不知道如何移动它，这样我就可以关闭它，移动它，或者把它放在全屏上。我该怎么解决这个问题？谢谢:D
浏览 0提问于2014-04-28得票数 0
我在一个文本区域中的文本以问句的形式显示字符串，然后以下列格式回答：
THIS IS A QUESTION
- This is the 1st answer
THIS IS ANOTHER QUESTION
- This is another answer
HERE IS THE FINAL QUESTIONS
- Oh boy we are done!
我想让用户选择输出问题和答案的成绩单，并在问题行前面加上一个上升的字母顺序如下：
A. THIS IS A QUESTION
- This is the 1st answer
B. THIS IS ANOTHER QUESTION
-
浏览 1提问于2021-02-07得票数 0
回答已采纳
我在用softmax进行多类分类。我的最后输出给了我三个概率，每个概率对应于一个类，我如何知道每个概率所指的是哪个类？我正在通过图像数据发生器训练我的模型。
train_generator = train_datagen.flow_from_directory(
'/gdrive/MyDrive/shot/training',
target_size=(640, 360),
batch_size=32,
class_mode='categorical')
在同一个项目中，我通过test_datagen输入一些图像以进行预测，我如
浏览 3提问于2021-04-23得票数 0
回答已采纳
我有一个预训练的keras模型，它的输出维度为[n, 4000] (它对4000个类别进行分类)。 我需要对测试数据进行预测(300K观察值)。 但是当我调用方法model.predict(X_train)时，我得到了一个run-out memory error，因为我没有足够的内存来存储带有shape (300K , 4000)的矩阵。 因此，将模型输出转换为稀疏矩阵是合乎逻辑的。 但是，将predict method包装到scipy函数sparse.csr_matrix中并不起作用(sparse.csr_matrix(model.predict(X_train)))，因为它首先在内存中为
浏览 7提问于2019-05-02得票数 3
我有一个相当简单的卷积网络，它本质上只是学习所有y_values的平均值。对于每一段数据，不管输入是什么，它都输出相同的东西。有人知道这是怎么回事吗？ output of the model.predict function model.compile and model.fit function the mean and the pre-processing for the actual outputs
浏览 26提问于2021-08-19得票数 0
在运行下面的代码之后，我将如何得到神经网络中的一个层的输出激活的张量。
x= model.predict(frame)
浏览 3提问于2020-03-03得票数 0
回答已采纳
1回答
我有一个非常基本的卷积神经网络构建在Keras与一个TensorFlow后端。该模型基于此卡格尔核全模型。输入训练数据为256x256图像，其中csv文件中有相应的类标签集。例如，下面是csv文件中的类标签：
image_name | tags
----------------------------------------
train_0 | class1 class2 class3
train_1 | class2
train_2 | class3
and so on ...
下面的代码显示了我是如何构建、培训和预测结果的。
# Build model
m
浏览 0提问于2018-04-08得票数 2
回答已采纳
我用Keras来预测时间序列。作为标准，我用的是20个历元。我想知道我的神经网络对这20个时代中的每一个都预测了什么。
通过使用model.predict，我只能得到所有时代中的一个预测(不确定Keras如何选择它)。我要所有的预测，或者至少10个最好的。
根据前面得到的答案，我应该通过子类Callback()和调用on_epoch_end函数中的模型来实现一个适当的回调来计算每个训练阶段之后的预测。
好吧，这个理论似乎已经形成了，但我很难对它进行编码。有人能给出一个代码示例吗？
不知道如何实现Callback()子类，也不知道如何将其与model.predict混合在on_epoch_end
浏览 1提问于2016-04-27得票数 7
回答已采纳
使用图形处理器h2o，我从预测中得到以下输出： model.predict(data)
False 我正在寻找类似于CPU版本的内容，其中输出为： model.predict(data)
predict False True
False 0.316711 0.683289 我想查看GPU h2o预测的置信区间。我该怎么办？
浏览 19提问于2019-10-17得票数 0
感谢您的阅读。我英语不好。
我想知道在模型训练之后如何预测和获得未来的时间序列数据。我想要在N步之后得到值。
我想知道时间序列数据是否被正确地学习和预测。
我怎么做才能得到下面的(下一个)值？
我希望使用model.predict或etc来获取下一个值
我有x_test和x_test[-1] == t，所以下一个值的含义是t+1, t+2, .... t+n,
在本例中，我希望获得对下一个t+1, t+2 ... t+n的预测
第一
我试着使用股票指数数据
inputs = total_data[len(total_data) - forecast - look_back:]
inputs
浏览 1提问于2020-02-21得票数 1
我正在尝试使用RF代码来预测数据。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import r2_score
from sklearn.metrics import mean_squared_error
from sklearn.metrics im
浏览 0提问于2020-10-13得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
