Python TensorFlow预测用户'；下一个号码是什么

已更新

因此，我的目标是创建一个机器学习程序，该程序接受用户给出的培训编号列表，并尝试预测他们下一步可能选择的编号。我对机器学习相当陌生，我想做这个快速的项目只是为了好玩。我遇到的一些问题包括：不知道如何更新我的培训标签以适应下一个数字的培训，以及如何预测下一个数字。这是我目前的代码：

import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt    # I will add a visualization and other things later


train_numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9]
train_labels = [1, 2, 3, 4, 5, 6, 7, 8, 9]
test_number = 2    # These values will be changed into inputs later to collect individual data

model = keras.Sequential([
    keras.layers.Input(shape=(1,)),    # Is this the correct way to input my data? I want 1 number to pass through here
    keras.layers.Dense(10, activation='relu'),
    keras.layers.Dense(1, activation='softmax')    # Later I want to input any number I want, but for now I will output a prediction number 1-10
])

model.compile(optimizer='adam',
              loss='mse',
              metrics=['mae'])

model.fit(train_numbers, train_labels, epochs=2)    # I am not sure if my fitting here works, my code does not make it here

predictions = model.predict(test_number)
print(predictions)

以下是我当前的错误和回溯：

    Traceback (most recent call last):
  File "C:/Users/Mason Choi/PycharmProjects/machine_learning/experimentation.py", line 23, in <module>
    predictions = model.predict(test_number)
  File "C:\Users\Mason Choi\anaconda3\envs\machine_learning\lib\site-packages\tensorflow\python\keras\engine\training.py", line 130, in _method_wrapper
    return method(self, *args, **kwargs)
  File "C:\Users\Mason Choi\anaconda3\envs\machine_learning\lib\site-packages\tensorflow\python\keras\engine\training.py", line 1569, in predict
    data_handler = data_adapter.DataHandler(
  File "C:\Users\Mason Choi\anaconda3\envs\machine_learning\lib\site-packages\tensorflow\python\keras\engine\data_adapter.py", line 1105, in __init__
    self._adapter = adapter_cls(
  File "C:\Users\Mason Choi\anaconda3\envs\machine_learning\lib\site-packages\tensorflow\python\keras\engine\data_adapter.py", line 650, in __init__
    self._internal_adapter = TensorLikeDataAdapter(
  File "C:\Users\Mason Choi\anaconda3\envs\machine_learning\lib\site-packages\tensorflow\python\keras\engine\data_adapter.py", line 275, in __init__
    num_samples = set(int(i.shape[0]) for i in nest.flatten(inputs))
  File "C:\Users\Mason Choi\anaconda3\envs\machine_learning\lib\site-packages\tensorflow\python\keras\engine\data_adapter.py", line 275, in <genexpr>
    num_samples = set(int(i.shape[0]) for i in nest.flatten(inputs))
  File "C:\Users\Mason Choi\anaconda3\envs\machine_learning\lib\site-packages\tensorflow\python\framework\tensor_shape.py", line 887, in __getitem__
    return self._dims[key].value
IndexError: list index out of range

Process finished with exit code 1

回溯（最近一次呼叫最后一次）：
文件“C:/Users/Mason Choi/PycharmProjects/machine_learning/experiments.py”，第23行，在
预测=模型预测（测试编号）
文件“C:\Users\Mason Choi\anaconda3\envs\machine\u learning\lib\site packages\tensorflow\python\keras\engine\training.py”，第130行，在方法包装中
返回方法（self、*args、**kwargs）
文件“C:\Users\Mason Choi\anaconda3\envs\machine\u learning\lib\site packages\tensorflow\python\keras\engine\training.py”，第1569行，在predict中
data\u handler=data\u adapter.DataHandler(
文件“C:\Users\Mason Choi\anaconda3\envs\machine\u learning\lib\site packages\tensorflow\python\keras\engine\data\u adapter.py”，第1105行，在\uu init中__
self.\u adapter=适配器\u cls(
文件“C:\Users\Mason Choi\anaconda3\envs\machine\u learning\lib\site packages\tensorflow\python\keras\engine\data\u adapter.py”，第650行，在初始化中__
自。\内部\适配器=张力克达塔适配器(
文件“C:\Users\Mason Choi\anaconda3\envs\machine\u learning\lib\site packages\tensorflow\python\keras\engine\data\u adapter.py”，第275行，在初始化中__
num_samples=set（int（i.shape[0]），用于嵌套中的i.flatte（输入））
文件“C:\Users\Mason Choi\anaconda3\envs\machine\u learning\lib\site packages\tensorflow\python\keras\engine\data\u adapter.py”，第275行，在
num_samples=set（int（i.shape[0]），用于嵌套中的i.flatte（输入））
文件“C:\Users\Mason Choi\anaconda3\envs\machine\u learning\lib\site packages\tensorflow\python\framework\tensor\u shape.py”，第887行，在u getitem中__
返回self.\u dims[key].值
索引器：列表索引超出范围
进程已完成，退出代码为1

---

我这样做不对吗？欢迎任何帮助，谢谢！

如果你想映射一个函数，那么它们需要包含相同数量的样本。例如，这里你想映射

Y=X

train_numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9]
train_labels = [1, 2, 3, 4, 5, 6, 7, 8, 9]

您的输出大小应该由

（1，）

组成，因为您希望预测一个连续的数字。所以最后一层应该是：

keras.layers.Dense(1) # linear layer

此外，指标应适合您的问题（回归）：

你可以

编辑：将要预测的数字作为

numpy

数组传递：

test_number = np.array([2])
predictions = model.predict(test_number)

同样在这种情况下，您可以尝试使用

sgd

优化器，而不是

adam

keras.layers.Dense(1, activation='softmax')

---

将softmax与1个神经元一起使用是一个很大的错误，您的模型每次都会输出

1

。如上所述，我没有指定任何激活，所以我让输出神经元

linear

对于每个样本，您需要提供一个标签，这就是错误消息实际上所说的。感谢您的澄清，但我实际上如何实现它？应该吗我制作了一个数字为1-10的数据框？非常感谢，我知道培训是如何工作的，但是我仍然对如何使用培训模型预测新值感到困惑。我已经更新了我的问题，包括新的错误和解释。我更新了答案。因此，如果我理解正确，那么在输入列表时，所有这些更改都会发生数字0-9（例如：123456790）对数字2进行预测，在最好的情况下，预测应该返回类似于3的结果，对吗？在运行模型几次之后，它似乎不是很好，但总是在2到3之间，所以它是可以的。为了使它更好，我可以只输入相同的训练数据5次以获得更好的结果吗？（如：01 2 3 4 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0…）此外，我刚刚意识到我的model.fit将我输入的列车号与我的列车号标签相匹配。当我收集10个0-9号的用户序列时，我是否应该将列车号标签变量分配给它们？很抱歉，我向您提出了很多问题，但您确实做出了很大的改变，我非常感谢。为了让它变得更好，请增加e年代数（并非总是如此），不要复制数据，如

012345678901234567890

。您可以向模型引入新数据，如

0123…1718

fit（）

方法将其分配给您的输入（特征）和相应的输出（标签）。

keras.layers.Dense(1, activation='softmax')