我试图预测一个时间序列:给定50个先前的值,我想预测下5个值。
为此,我使用skflow
包(基于TensorFlow),此问题与Boston example provided in the Github repo相对接近。
我的代码如下:
%matplotlib inline
import pandas as pd
import skflow
from sklearn import cross_validation, metrics
from sklearn import preprocessing
filepath = 'CSV/FILE.csv'
ts = pd.Series.from_csv(filepath)
nprev = 50
deltasuiv = 5
def load_data(data, n_prev = nprev, delta_suiv=deltasuiv):
docX, docY = [], []
for i in range(len(data)-n_prev-delta_suiv):
docX.append(np.array(data[i:i+n_prev]))
docY.append(np.array(data[i+n_prev:i+n_prev+delta_suiv]))
alsX = np.array(docX)
alsY = np.array(docY)
return alsX, alsY
X, y = load_data(ts.values)
# Scale data to 0 mean and unit std dev.
scaler = preprocessing.StandardScaler()
X = scaler.fit_transform(X)
X_train, X_test, y_train, y_test = cross_validation.train_test_split(X, y,
test_size=0.2, random_state=42)
regressor = skflow.TensorFlowDNNRegressor(hidden_units=[30, 50],
steps=5000, learning_rate=0.1, batch_size=1)
regressor.fit(X_train, y_train)
score = metrics.mean_squared_error(regressor.predict(X_test), y_test)
print('MSE: {0:f}'.format(score))
这导致:
ValueError:y_true和y_pred的输出数量不同(1!= 5)
训练结束时。
当我尝试预测时,我遇到了同样的问题
ypred = regressor.predict(X_test)
print ypred.shape, y_test.shape
(200,1)(200,5)
因此,我们可以看到该模型仅以某种方式预测了1个值,而不是5个想要/希望的值。
我如何使用相同的模型来预测多个值的值?