Keras为什么不能概括我的数据？

• Z时代
• 2024-01-10
• 分类：问答

我一直在尝试实现一个基本的多层LSTM回归网络来找出加密电子货币价格之间的相关性。Keras为什么不能概括我的数据？

在遇到无法使用的训练结果后，我决定尝试使用一些沙盒代码，以确保在重试完整数据集之前我已经明白了。

问题是我不能让凯拉斯推广我的数据。

ts = 3 
in_dim = 1 
data = [i*100 for i in range(10)] 
# tried this, didn't accomplish anything 
# data = [(d - np.mean(data))/np.std(data) for d in data] 
x = data[:len(data) - 4] 
y = data[3:len(data) - 1] 
assert(len(x) == len(y)) 
x = [[_x] for _x in x] 
y = [[_y] for _y in y] 
x = [x[idx:idx + ts] for idx in range(0, len(x), ts)] 
y = [y[idx:idx + ts] for idx in range(0, len(y), ts)] 
x = np.asarray(x) 
y = np.asarray(y) 

X看起来是这样的：

[[[ 0] 
    [100] 
    [200]] 
[[300] 
    [400] 
    [500]]] 

和y：

[[[300] 
    [400] 
    [500]] 
[[600] 
    [700] 
    [800]]] 

这个效果很好，当我预测使用非常相似的数据集，但不会推广的时候我尝试使用缩放值类似的顺序

model = Sequential() 
model.add(BatchNormalization(
    axis = 1, 
    input_shape = (ts, in_dim))) 
model.add(LSTM(
    100, 
    input_shape = (ts, in_dim), 
    return_sequences = True)) 
model.add(TimeDistributed(Dense(in_dim))) 
model.add(Activation('linear')) 
model.compile(loss = 'mse', optimizer = 'rmsprop') 
model.fit(x, y, epochs = 2000, verbose = 0) 
p = np.asarray([[[10],[20],[30]]]) 
prediction = model.predict(p) 
print(prediction) 

打印

[[[ 165.78544617] 
    [ 209.34489441] 
    [ 216.02174377]]] 

我想

[[[ 40.0000] 
    [ 50.0000] 
    [ 60.0000]]] 

我怎么能格式化这个所以，当我在一个序列插头是一个完全不同的刻度值，网络仍然会输出它的预测值？我试着对训练数据进行规范化处理，但结果仍然完全无法使用。

我在这里做了什么错？

回答：

以上是 Keras为什么不能概括我的数据？ 的全部内容， 来源链接： utcz.com/qa/263487.html