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

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）

如果您想预测未来5个月的

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

如果您在未来5个月的每个样本中没有这6个特征，那么您无法进行“样本外”预测，因为您需要这些特征，您的模型将根据这些特征进行训练，以便模型进行预测

---

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。