时间戳

首页 > 解决方案 > 神经网络的手动预测出错

python - 神经网络的手动预测出错

问题描述

我有一个数据集（csv），格式如下：

第一列：随机整数

第二列：每个整数的类别（称为bins）

在此处输入图像描述

预处理后已经制作了 bin，例如 1000 到 1005 之间的整数属于 bin 编号 0 ， 1006 和 1011 属于 bin 编号 1 并继续。

我的神经网络的目标列是bin列（第二列）。

我对目标列使用OneHotEncoding并将每个 bin 编号转换为二进制向量。我有 3557 个不同的垃圾箱（类）。

我对其进行了训练并以 99.7% 的准确率对其进行了评估。

import numpy as np
import pandas as pd
import tensorflow as tf
from sklearn.preprocessing import OneHotEncoder
from keras import Sequential
from keras.layers import Dense
from sklearn.model_selection import train_test_split

df = pd.read_csv("/dbfs/FileStore/tables/export78.csv")

onehotencoder = OneHotEncoder(categorical_features = [1])
data2 = onehotencoder.fit_transform(df).toarray()
dataset = pd.DataFrame(data2)

X= dataset.iloc[:,3557].astype(float)
y= dataset.iloc[:,0:3557].astype(int)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)


classifier = Sequential()
#First Hidden Layer
classifier.add(Dense(3557, activation='sigmoid', kernel_initializer='random_normal', input_dim=1))
#Second  Hidden Layer
classifier.add(Dense(3557, activation='sigmoid', kernel_initializer='random_normal'))
#Output Layer
classifier.add(Dense(3557, activation='sigmoid', kernel_initializer='random_normal'))

#Compiling the neural network
classifier.compile(optimizer ='adam',loss='binary_crossentropy', metrics=['accuracy'])

#Fitting the data to the training dataset
classifier.fit(X_train,y_train, batch_size=50, epochs=10)

accr = classifier.evaluate(X_test, y_test)
print('Test set\n  Loss: {:0.3f}\n  Accuracy: {:0.3f}'.format(accr[0] ,accr[1]))

classifier.save("model.h67")


data1 = np.array(X_test)
List = [data1]
model = tf.keras.models.load_model("model.h67")
prediction = model.predict([(data1)])
target = (np.argmax(prediction, axis=0))
dataset1 = pd.DataFrame(target)
display(dataset1)

问题：

当我尝试使用我的模型手动预测时，我无法得到正确的结果。作为预测输入，给出一个 csv，其中只有一列带有随机整数，我想要结果属于的 bin。 在此处输入图像描述

标签： pythonmachine-learningkerasneural-networkclassification

解决方案

您是否收到错误消息或只是错误的预测？这从你的问题中不清楚。

尝试：

prediction = model.predict(data1)

编辑：

我有 3557 个不同的垃圾箱（类）。

classifier.compile(optimizer ='adam',loss='binary_crossentropy', metrics=['accuracy'])

那么binary_crossentropy由于损失函数不是正确的选择，请尝试categorical_crossentropy.

推荐阅读