预测下一个结果MLP神经网络Python

Question

我正在尝试预测数据集序列中的下一组数字，但是使用predict函数对整个数据集进行分类，如何更改代码以预测序列中的下一个结果？

我正在遵循本教程，他的模型基于50,60,70输出80作为他的数据集。我的只是预测整个数据集吗？ How to Get Started with Deep Learning for Time Series Forecasting (7-Day Mini-Course)

这是我的数据集

这是代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neural_network import MLPClassifier
from sklearn.metrics import classification_report,confusion_matrix

from numpy import loadtxt
from keras.models import Sequential
from keras.layers import Dense
# load the dataset
col_names = ['N1', 'N2', 'N3', 'N4', 'N5', 'L1', 'L2','label']
# load dataset 
pima = pd.read_csv("dataset.csv", header=None, names=col_names)
pima.head()

feature_cols = ['N1', 'N2', 'N3', 'N4', 'N5', 'L1', 'L2']
X = pima[feature_cols] # Features
y = pima.label 

model = Sequential()
model.add(Dense(122, input_dim=7, activation='relu'))
model.add(Dense(20, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(X, y, epochs=2000, batch_size=10)
# =======================
_, accuracy = model.evaluate(X, y)
print('Accuracy: %.2f' % (accuracy*100))

yhat = model.predict(X, verbose=0)
print(yhat) <- this outputs the predictions for the entire dataset and not the next prediction

编辑：

对于整个数据集，我得到的输出就是这个。

数据集从1到1251行，我想用输出N1，N2，N3，N4，N5，L1，L2来预测行1252。

Answer 1

您将S型激活作为最后一层，这将提供范围为[-1，1]的输出，这并不是您在预测下一个数字时想要的最后一层。

model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

尝试将其更改为

model.add(Dense(1))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

此外，最好将MSE损失功能用于此类任务，BCE则用于分类任务，您可以在此处进行检查

Why is the Cross Entropy method preferred over Mean Squared Error? In what cases does this doesn't hold up?

model.compile(loss='mse', optimizer='adam', metrics=['accuracy'])

希望这可以解决您的问题