Керас - Как прогнозировать на основе одного экземпляра? - PullRequest
1 голос
/ 23 января 2020

Я уже создал модель (h5 и tfjs / model. json) для прогнозирования ценообразования. Проблема в том, что я не знаю, как прогнозировать на основе одного экземпляра? Обычно прогнозирование основывается на всех данных испытаний. Уже пробовал это, но не работает ...

model.predict(np.array([0.347669, 0.048266, 0.515875, -0.166667, 0.000000, 0.378772]))

Сообщение об ошибке

ValueError: Error when checking input: expected dense_1_input to have shape (6,) but got array with shape (1,)

Насколько я знаю, экземпляр / значение должно быть нормализовано (я использую линейный регрессия) и преобразовать в массив numpy. Не уверен, как поступить. Есть кое-что, но я понятия не имею об этом. ожидается, что плотный будет иметь форму, но получил массив с формой

Сводка модели

Model: "sequential_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_1 (Dense)              (None, 200)               1400      
_________________________________________________________________
dense_2 (Dense)              (None, 100)               20100     
_________________________________________________________________
dense_3 (Dense)              (None, 50)                5050      
_________________________________________________________________
dense_4 (Dense)              (None, 25)                1275      
_________________________________________________________________
dense_5 (Dense)              (None, 1)                 26        
=================================================================
Total params: 27,851
Trainable params: 27,851
Non-trainable params: 0
_________________________________________________________________
None

1 Ответ

3 голосов
/ 23 января 2020

Имеет ожидаемую форму

import numpy as np
a=np.array([[0.347669, 0.048266, 0.515875, -0.166667, 0.000000, 0.378772]])
print(a.shape) #(6,)

b=model.predict(a)
print(b)
Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...