Python Can'；用神经网络解释预测

我试图在python中使用TensorFlow，对加密货币数据进行一些预测。问题是预测的输出类似于0.1-0.9数字，而加密货币数据应该是10000-10100格式，我没有找到将0.*数字转换为真实数字的解决方案

我尝试创建一个比率，用预测值的子串max-min和测试数据的子串max-min，然后除以得到一个比率，但当我用预测值乘以这个比率时，误差率很大（发现的是14000个数字，而不是10000个）

下面是一些代码：

train_start = 0
train_end = int(np.floor(0.7*n))
test_start = train_end
test_end = n
data_train = data[np.arange(train_start, train_end), :]
data_test = data[np.arange(test_start, test_end), :]


Scale data:

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
data_train = scaler.fit_transform(data_train)
data_test = scaler.transform(data_test)

Build X and y:

X_train = data_train[:, 1:]
y_train = data_train[:, 0]
X_test = data_test[:, 1:]
y_test = data_test[:, 0]

.
.
.

n_data = 10
n_neurons_1 = 1024
n_neurons_2 = 512
n_neurons_3 = 256
n_neurons_4 = 128
n_target = 1
X = tf.compat.v1.placeholder(dtype=tf.compat.v1.float32, shape=[None, n_data])
Y = tf.compat.v1.placeholder(dtype=tf.compat.v1.float32, shape=[None])

Hidden layer
..
Output layer (must be transposed)
..
Cost function
..
Optimizer
..

Make Session:

sess = tf.compat.v1.Session()

Run initializer:

sess.run(tf.compat.v1.global_variables_initializer())

Setup interactive plot:

plt.ion()
fig = plt.figure()
ax1 = fig.add_subplot(111)
line1, = ax1.plot(y_test)
line2, = ax1.plot(y_test*0.5)
plt.show()


epochs = 10
batch_size = 256
for e in range(epochs):

# Shuffle training data
shuffle_indices = np.random.permutation(np.arange(len(y_train)))
X_train = X_train[shuffle_indices]
y_train = y_train[shuffle_indices]

# Minibatch training
for i in range(0, len(y_train) // batch_size):
    start = i * batch_size
    batch_x = X_train[start:start + batch_size]
    batch_y = y_train[start:start + batch_size]
    # Run optimizer with batch
    sess.run(opt, feed_dict={X: batch_x, Y: batch_y})

    # Show progress
    if np.mod(i, 5) == 0:
        # Prediction
        pred = sess.run(out, feed_dict={X: X_test})

        #This pred var is the output of the prediction 

我将结果持久化到一个文件中，其外观如下：

2019-08-21 06-AM；15310.444858356934;0.50021994;

2019-08-21下午12:00；14287.717187390663;0.46680558;

2019-08-21 06-PM；14104.63871795706;0.46082407;

例如，上一个预测值是0,46，但当我尝试转换它时，我发现14104，而它应该更接近10000

有人知道如何转换这些预测吗

---

谢谢

您必须使用

MinMaxScaler

转换回0-1范围内的输出

您还没有给出您的模型，但我相信您使用的是具有很少密集层的回归任务。你必须不断减少你的损失。如果您使用的是均方误差，损失越大，您的输出与期望的结果集相差越远

即使你的损失是一个很小的数字，结果对于火车样本来说是好的，但是预测对于测试数据集是不好的，你可能不得不考虑增加你的火车数据集，以便涵盖更多的可能性。如果这是不可能的，考虑减少神经网络中的神经元数量，使其停止过拟合。< /P>

---

您可以进行一些后处理，将输出限制在所需的范围内。

您必须使用

MinMaxScaler

将得到的输出转换回0-1范围内

您还没有给出您的模型，但我相信您使用的是具有很少密集层的回归任务。你必须不断减少你的损失。如果您使用的是均方误差，损失越大，您的输出与期望的结果集相差越远

即使你的损失是一个很小的数字，结果对于火车样本来说是好的，但是预测对于测试数据集是不好的，你可能不得不考虑增加你的火车数据集，以便涵盖更多的可能性。如果这是不可能的，考虑减少神经网络中的神经元数量，使其停止过拟合。< /P> 您可以进行一些后处理，将输出限制在所需的范围内