Я пытаюсь спрогнозировать временной ряд: учитывая 50 предыдущих значений, я хочу предсказать 5 следующих значений.
Для этого я использую пакет skflow (на основе TensorFlow), и эта проблема относительно близка к Пример из Бостона представлен в репозитории Github.
Мой код выглядит следующим образом:
%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))
Это ведет к :
ValueError: y_true и y_pred имеют разное количество выходных данных (1!=5)
в конце обучения.
И когда я пытаюсь предсказать, у меня такая же проблема
ypred = regressor.predict(X_test)
print ypred.shape, y_test.shape
(200, 1) (200, 5)
Таким образом, мы видим, что модель каким-то образом предсказывает только 1 значение вместо 5 желаемых/надеющихся.
Как я могу использовать одну и ту же модель для прогнозирования значений для нескольких значений?
fit()выдается следующая ошибка:Shapes (?, 1) and (?, 2) are incompatible. (Я использую версию0.10.0rc0) Я также создал новый вопрос об этой проблеме: stackoverflow.com/questions/39192107/ 04.09.2016