python - 创建一个能够在一定范围内预测用电量的神经网络
问题描述
我有许多针对不同类型客户的使用模式。大型工厂和小型客户甚至是单个设备,例如 AC 装置。我正在尝试使用 keras 创建一个模型,该模型可以预测这些输入中的任何一个,前提是对输入进行适当的事先缩放。
当我单独对每个客户运行模型时,预测结果还不错。
但是,一旦我在多个输入上训练该模型,结果就会大大降低。
是否可以训练一个可以处理一系列输入并将它们识别为不同类/类型的网络。这样的模型应该是什么样子的?
这是我目前的:
model_unif = Sequential()
# input layer
input_shape = (cfg.DEMAND_ONE_WEEK,)
model_unif.add(Dense(168, input_shape=input_shape, activation='linear'))
model_unif.add(BatchNormalization()) #applying batch normalization now
model_unif.add(Dense(100, activation='linear'))
model_unif.add(Dense(100, activation='linear'))
model_unif.add(Dense(100, activation='linear'))
model_unif.add(Dense(50, activation='linear'))
model_unif.add(Dense(50, activation='linear'))
model_unif.add(Dense(24))
model_unif.add(Activation('linear'))
model_unif.compile(loss='mse', optimizer='rmsprop')
解决方案
推荐阅读
- c++ - 问题 - 返回文本文件排列的递归函数
- reactjs - 如何通过一劳永逸地重新渲染来修复图像闪烁?
- unix - Unix - 如何将内容中的文件名与 cat 和基线合并?
- python - 是否有可能获得允许松弛机器人编写的所有频道?
- java - 在 Byte Buddy 中动态设置 @FieldProxy 字段
- docker - Docker-machine:Windows 中的预创建检查出错
- html - CSS Grid 可调整大小的单元格
- cordova - 自动从混合应用程序中的 API 获取数据
- python - 如何在python中使用多处理嵌套for循环与多个参数
- r - 'overlay' 不是从 'namespace:sp' 导出的对象