如何在tensorflow(python)中打印计算出的功能
我是一名大学生,刚刚开始学习Python,没有太多的编码经验,出于好奇一直在尝试TensorFlow。我知道在尝试这样一个雄心勃勃的项目之前,我应该更流利地学习python,但我真的很想通过实验来了解这一点 因此,我的目标是获取一个预先格式化的CSV,其中包含股票的RSI、RS、MACD和信号,然后如果该股票的价格在第二天上涨(相对于前一天)。它是否增加由1或0表示(1表示增加,0表示不变或减少),因此所有内容都是整数。我试图找到的是这些指标的组合导致了增长。增加与否由类别指示 到目前为止,我已经对模型进行了训练,测试了我的测试集,使其准确率达到89%,但我正在尝试打印它发现的导致增加的值的组合。那么,如何从已经计算过的已训练模型中打印Spy_标签(class)=1的Spy_特性呢 如果需要更多的信息,我很乐意提供,我只是觉得我的第一个项目在这方面遇到了困难。最重要的是,我真的很想学习更多关于Python和机器学习的知识,因此,如果能更多地解释如何进行类似的工作,我将不胜感激如何在tensorflow(python)中打印计算出的功能,python,pandas,tensorflow,keras,Python,Pandas,Tensorflow,Keras,我是一名大学生,刚刚开始学习Python,没有太多的编码经验,出于好奇一直在尝试TensorFlow。我知道在尝试这样一个雄心勃勃的项目之前,我应该更流利地学习python,但我真的很想通过实验来了解这一点 因此,我的目标是获取一个预先格式化的CSV,其中包含股票的RSI、RS、MACD和信号,然后如果该股票的价格在第二天上涨(相对于前一天)。它是否增加由1或0表示(1表示增加,0表示不变或减少),因此所有内容都是整数。我试图找到的是这些指标的组合导致了增长。增加与否由类别指示 到目前为止,我已
import tensorflow as tf
import numpy as np
import pandas as pd
from tensorflow.keras import layers
from tensorflow.keras.layers.experimental import preprocessing
import matplotlib.pyplot as plt
from IPython.display import clear_output
from six.moves import urllib
#Data files
SPY_Training = pd.read_csv(r'C:\Users\matth\Downloads\Spy_training(noheader).csv',names=["RSI","RS","MACD","signal","Class"])
SPY_Test = pd.read_csv(r'C:\Users\matth\Downloads\Spy_test(noheader).csv',names=["RSI","RS","MACD","signal","Class"])
SPY_Test.shape[0], SPY_Training.shape[0]
SPY_Training.head()
SpyTest_features = SPY_Test.copy()
SpyTest_labels = SpyTest_features.pop('Class')
Spy_features = SPY_Training.copy()
Spy_labels = Spy_features.pop('Class')
Spy_features = np.array(Spy_features)
Spy_features
print(Spy_features)
Spy_model = tf.keras.Sequential([
layers.Dense(64),
layers.Dense(1)
])
Spy_model.compile(loss = tf.losses.MeanSquaredError(),
optimizer= tf.optimizers.Adam(), metrics=['accuracy'])
Spy_model.fit(Spy_features, Spy_labels, epochs=10)
test_loss, test_acc = Spy_model.evaluate(SpyTest_features, SpyTest_labels, verbose=2)
print('Test accuracy:', test_acc)
在神经网络中,每个值都会对结果产生影响(正面或负面) 所有4个输入直接连接到64个隐藏单元,然后直接连接到1个输出单元。因此,我们不能预先说什么价值对产出有积极或消极的影响
您可以使用matplotlib/seaborn通过在值之间绘制多个图形来理解数据。在神经网络中,每个值都会对结果产生影响(正或负) 所有4个输入直接连接到64个隐藏单元,然后直接连接到1个输出单元。因此,我们不能预先说什么价值对产出有积极或消极的影响
您可以使用matplotlib/seaborn通过在值之间绘制多个图形来理解数据。因此,我会将layers.dense(64)减少到4,如果是这样,我应该放弃什么?你是说不可能看到4个输入的组合会导致1个输出吗?如果可能的话,我该怎么做才能达到那个终点呢?我想说的是,这不是神经网络的工作方式。如果你想了解他们,你可以从YouTube观看Andrew Ng的视频。对于任何机器学习任务,通过使用matplotlib绘制图形,您可以直接找到两个值的关系b/w,比如信号和类。因此,我会将layers.dense(64)减少到4,如果是,我应该放弃什么?你是说不可能看到4个输入的组合会导致1个输出吗?如果可能的话,我该怎么做才能达到那个终点呢?我想说的是,这不是神经网络的工作方式。如果你想了解他们,你可以从YouTube观看Andrew Ng的视频。对于任何机器学习任务,通过使用matplotlib绘制图形,可以直接找到与两个值(例如信号和类)的关系。