我在使用已经训练，保存和加载使用的模型时遇到了麻烦。问题是，当我使用带有新数据的模型时，我会得到不同的预测（这不是测试数据的一部分，而是来自同一个来源）。
编辑1：我意识到我在预测整个test_data时以及我一次预测test_data的每个项目时会得到不同的预测。
这就是我生成训练和测试数据的方法（我将其拆分）
df.dropna(inplace=True)
for i in range(100):
df[i] = df.data.shift(i)
df.dropna(inplace=True)
print(Counter(df['label'].values))
Xa = np.array(df.drop(['label', 'Close', 'avg'], axis=1).values)
data_for_scale = Xa[-1000:]
scaler = MinMaxScaler(feature_range=(0, 1))
Xa = scaler.fit_transform(Xa)
Ya = np.array(df['label'].values)
然后我将数据分成火车并进行测试以适应模型。 训练结束后，我用测试数据测试模型并得到这种预测：
model.predict(x=X_test)
[ 0.64 0.17 0.19]
[ 0.24 0.76 0. ]
[ 0.47 0.51 0.02]
[ 0.63 0.26 0.11]
[ 0.62 0.1 0.28]
[ 0.14 0.86 0. ]
[ 0.36 0.63 0.01]
[ 0.57 0.37 0.06]
[ 0.45 0.53 0.02]
[ 0.18 0.82 0. ]
[ 0.61 0.09 0.3 ]
#the maximum value in the 3th column is 0.45. nevermore!
要使用该模型，我会以这种方式收集数据：
scaler = MinMaxScaler(feature_range=(0, 1))
scaler.fit(data_for_scale)
X_predict = np.array(df.data[current_position-100:current_position][::-1].values).reshape(1, -1)
X_predict = scaler.transform(X_predict)
prediccion = model.predict(X_predict.reshape(1, -1))[0]
#**EDIT 1:** NOTICE i'm predicting just one item at a time
以这种方式得到的预测是：
[ 0.89 0. 0.10]
[ 1. 0. 0.]
[ 0.87 0.11 0.01]
[ 0.99 0. 0.00]
[ 0.30 0.69 0. ]
[ 0.99 0. 0.00]
[ 0.61 0. 0.38]
[ 0.20 0. 0.79]
[ 0.39 0. 0.60]
[ 0. 0. 1.]
[ 0.00 0. 0.99]
[ 0.12 0. 0.87]
#here i get lots of values above 0.45 in the 3th column. This never
#happens with the whole test_data...
哪里可能是我的错？我已经尝试保存并重新加载模型，但测试数据的预测没有改变，所以我不认为错误是保存/加载模型。我还尝试将新样本合并到预测到测试集中，fit_scaling整个集合并再次提取新数据但问题仍然存在。 任何提示都是受欢迎的 提前谢谢！