tensorflow - 如何进行基本的回归预测？

Question

在基本回归教程的最后，没有解释如何从输入中获取 Y 值或预测。

本教程是 TensorFlow 的基本回归教程

https://colab.research.google.com/github/tensorflow/docs/blob/master/site/en/tutorials/keras/basic_regression.ipynb

首先，我只有两列“时间”和“销售额”。

我使用了自己的数据，希望按月预测 future 的销售额。我已经把时间变成了数值。如果我有 30 个月的数据，我想预测 31 - 35 个月。

我发现sets.run函数会给出结果，但我不知道在我的情况下如何。

column_names = ['Time','Sales']

和

model = keras.Sequential

我的数据适用于教程。但我不知道如何从中得到结果？

以下代码可以运行并根据实际结果行创建预测。

test_predictions = model.predict(normed_test_data).flatten()

plt.scatter(test_labels, test_predictions)
plt.xlabel('True Values [Sales]')
plt.ylabel('Predictions [Sales]')
plt.axis('equal')
plt.axis('square')
plt.xlim([0,plt.xlim()[1]])
plt.ylim([0,plt.ylim()[1]])
_ = plt.plot([-100, 100], [-100, 100])

我想提供月份输入并获得预测。

Answer 1

如果您想要在预测中使用的数据已经标准化，那么只需使用与训练中使用的形状输入参数相同的形状输入参数来调用 model.predict 函数即可。

因此，对于教程中的示例，我可以执行以下操作:

test = [{
    "Cylinders": -0.84,
    "Displacement": -1.0,
    "Horsepower": -0.7,
    "Weight": -1.1,
    "Acceleration": 0.5,
    "Model Year": -0.5,
    "USA": 0.77,
    "Europe": -0.465148,
    "Japan": -0.495225
},{
    "Cylinders": -0.54,
    "Displacement": -2.0,
    "Horsepower": -0.1,
    "Weight": -1.1,
    "Acceleration": 0.5,
    "Model Year": -0.5,
    "USA": 0.77,
    "Europe": -0.465148,
    "Japan": -0.495225
}]

testdf = pd.DataFrame(test)
preds = model.predict(testdf)

如果您自己的模型只需要时间和销售，那么我想您可以这样做:

test = [{
    "Time": -0.7,
    "Sales": 0.1
},{
    "Time": 1,
    "Sales": 1.1
}]

testdf = pd.DataFrame(test)
preds = model.predict(testdf)

如果您要在预测中使用的数据尚未标准化，那么您需要首先调用 norm 函数。像这样的事情:

test = [{
    "Cylinders": 6,
    "Displacement": 150,
    "Horsepower": 150,
    "Weight": 1200,
    "Acceleration": 45,
    "Model Year": 75,
    "USA": 0,
    "Europe": 1,
    "Japan": 0
},{
    "Cylinders": 4,
    "Displacement": 90,
    "Horsepower": 75,
    "Weight": 1200,
    "Acceleration": 15,
    "Model Year": 77,
    "USA": 1,
    "Europe": 0,
    "Japan": 0
}]

testdf = pd.DataFrame(test)
normed = norm(testdf)
preds = model.predict(normed)

我应该说，你所描述的问题(“销售”和“月份”)听起来像是一个时间序列模型而不是回归问题，所以也许回归教程并不适合此类问题，但不知道更多的就无法说了