Question

我正在使用Keras处理一个简单的时间序列回归问题，我想用最后20个收盘价预测下一个收盘价，根据我发现的一些例子，我有以下代码：

我在一个单独的函数中编写我的顺序模型，根据“build_fn”参数的需要：

def modelcreator():
   model = Sequential()
   model.add(Dense(500, input_shape = (20, ),activation='relu'))
   model.add(Dropout(0.25))
   model.add(Dense(250,activation='relu'))
   model.add(Dense(1,activation='linear'))

   model.compile(optimizer=optimizers.Adam(),
                 loss=losses.mean_squared_error)

   return model

我创建KerasRegressor对象，传递模型创建者函数和所需的拟合参数：

estimator = KerasRegressor(build_fn=modelcreator,nb_epoch=100, batch_size=32)

我通过KerasRegressor对象训练模型，包含592个样本：

self.estimator.fit(X_train, Y_train)

问题开始显现，虽然nb_epoch = 100我的模型只训练了10个时代：

Epoch 1/10
592/592 [==============================] - 0s - loss: 6.9555e-05     
Epoch 2/10
592/592 [==============================] - 0s - loss: 1.2777e-05     
Epoch 3/10
592/592 [==============================] - 0s - loss: 1.0596e-05     
Epoch 4/10
592/592 [==============================] - 0s - loss: 8.8115e-06     
Epoch 5/10
592/592 [==============================] - 0s - loss: 7.4438e-06     
Epoch 6/10
592/592 [==============================] - 0s - loss: 8.4615e-06     
Epoch 7/10
592/592 [==============================] - 0s - loss: 6.4859e-06     
Epoch 8/10
592/592 [==============================] - 0s - loss: 6.9010e-06     
Epoch 9/10
592/592 [==============================] - 0s - loss: 5.8951e-06     
Epoch 10/10
592/592 [==============================] - 0s - loss: 7.2253e-06

当我尝试使用数据样本进行预测时：

prediction = self.estimator.predict(test)

预测值应该接近0.02-0.04范围但是当我打印它时我得到0.000980315962806344

Q1：如何将训练时期设置为所需的值？

Q2：如何使用我的NN生成预测？

Answer 1

首先，您最有可能使用Keras 2.0，在该版本中，参数nb_epochs已重命名为epochs。

第二件事是你必须将输入和输出标准化为[0,1]范围。它没有正常化就不会工作。为了匹配标准化输出和网络范围，最好在输出层使用sigmoid激活。

Answer 2

您的网络没有融合。尝试更改参数。损失应该持续减少。还要正确初始化参数。

Python：在Keras上发布培训和预测回归问题

2 个答案: