Python 基于神经网络的样本外预测
我有一个虚拟数据集,包含一家公司3年的费用,分布在不同的费用项目中。对于Heads列,我使用了虚拟变量。在按日期顺序对数据进行分组之后,我删除了年和月列。 下面是一个例子Python 基于神经网络的样本外预测,python,tensorflow,neural-network,Python,Tensorflow,Neural Network,我有一个虚拟数据集,包含一家公司3年的费用,分布在不同的费用项目中。对于Heads列,我使用了虚拟变量。在按日期顺序对数据进行分组之后,我删除了年和月列。 下面是一个例子 Head Year Month Expense StockPrice A 2005 1 23 120 A 2006 2 23 121 B 2006 3 1000 130 C 2006 4 1500 135 C
Head Year Month Expense StockPrice
A 2005 1 23 120
A 2006 2 23 121
B 2006 3 1000 130
C 2006 4 1500 135
C 2007 1 1400 125
我已经为回归建立了一个神经网络模型,并将其拟合到我的训练和测试数据中。
我的X数据是形状(4851,6),y数据是形状(4851,1)。我已经能够从模型中得到很好的结果
现在,我想根据模型对未来5个月进行抽样预测,预测未来5个月的费用。我应该如何进行呢
我安装的模型
model = Sequential()
#model.add(Dense(units = 1, input_dim = 5, activation = 'relu'))
model.add(Dense(256, input_dim = 6,kernel_initializer='normal', activation = 'relu'))
model.add(Dense(256, input_dim = 6,kernel_initializer='normal', activation = 'relu'))
model.add(Dense(256, input_dim = 6,kernel_initializer='normal', activation = 'relu'))
model.add(Dense(1, activation='linear'))
model.compile(loss = 'mean_absolute_error', optimizer = 'adam')
model.summary()
model.fit(x = X_train, y= y_train, epochs = 100, validation_data = (X_test, y_test
), verbose = 1)
您是否尝试创建一个日期移到未来的
X
,并调用model.predict(X)
费用
,假设您拥有这5个月的功能(根据您的模型预期,每个样本6个),那么您可以这样做,并且方法是使用模型的预测
方法
您好,我已经更新了数据描述。对不起,有什么困惑。在按日期顺序对数据进行分组之后,我删除了年和月列。如果我把日期移到未来,我不需要考虑独立变量,比如股票价格和虚拟变量。