python - 单层网络时序数据示例

问题描述

我正在阅读Thomas P. Trappenberg在机器学习基础中的示例。这本书没有提供承诺的实际 jupyter notebook 文件，所以我通过复制和阅读示例代码来学习。

这是第 9 章中关于分析序列数据的介绍性示例。我们想要一个具有单个隐藏层的简单网络来正确预测正弦波。

# sine sequence

import numpy as np
import matplotlib.pyplot as plt
from keras import models, layers, optimizers, datasets, utils, losses

# sine data with 10 steps/cycle
seq = np.array([np.sin(2*np.pi*i/10) for i in range(10)])
print(seq)

num_seq = 200
x_train = np.array([])
y_train = np.array([])

for i in range(num_seq):
    ran = np.random.randint(10)
    x_train = np.append(x_train, seq[ran])
    y_train = np.append(y_train, seq[np.mod(ran+1, 10)])

x_test = np.array(seq)
y_test = np.array(np.roll(seq, -1))

到目前为止，我看到我们从 0 到 10 域的正弦波中挑选了 200 个点。x_train 包含来自正弦函数的 200 个值，y_train 包含我们希望预测的序列中的下一个值。

下面的代码应该使用序列中前两个点的知识来预测正弦函数。这是我在运行代码时发现错误的地方。

# MLP2
inputs = layers.Input(shape = (2, ))
h = layers.Dense(2, activation = 'relu')(inputs)
outputs = layers.Dense(1, activation = 'tanh')(h)
model = models.Model(inputs, outputs)

model.compile(loss = 'mean_squared_error', optimizer = 'adam')
print(model.summary())
model.fit(x_train, y_train, epochs = 1000, batch_size = 100, verbose = 0)

# evaluate
y_pred = model.predict(x_test, batch_size = 10, verbose = 1)
plt.plot(y_test, 'x')
plt.plot(y_pred, 'o')

当我运行此代码时，从行

model.fit(x_train, y_train, epochs = 1000, batch_size = 100, verbose = 0)

我明白了

ValueError：检查输入时出错：预期 input_11 的形状为 (2,) 但得到的数组的形状为 (1,)

我有点明白，因为 x_train 和 y_train 都具有形状 (1, )，因为它们被理解为向量。当我复制代码时

inputs = layers.Input(shape = (2, ))

我盲目地认为“也许这就是 Keras 是如何编写来理解序列的过去两个条目的”，因为这是我第一次学习机器学习，而且我对 Keras 并不熟悉。

您是否看到示例代码中的错误、结构错误或我犯的人为错误？

（我有一个直接的后续问题，因为下一个示例介绍了 RNN，它以一段代码开头

# RNN
x_train=np.reshape(x_train, (200, 2, 1) )
x_test=np.reshape(x_test, (10, 2, 1) )

这不起作用，因为当前 x_train 只有 200 个条目，它不能转换为形状 (200, 2, 1)。我想如果有人可以回答我最初的问题，也许这个后续问题会自动解决。）

感谢您的时间。

标签： pythonkerasneural-network

python - 单层网络时序数据示例

问题描述

解决方案

推荐阅读