Особенности (форма и один ряд данных):
(900, 11250, 7)
[[ 0.53544164 0.53544164 -0.00109051 ... 0.53420806 0.53420806
0.49437675]
[ 0.53544164 0.53435117 -0.00109051 ... 0.4985942 0.5164011
0.4878163 ]
[ 0.53435117 0.5338059 0. ... 0.5168697 0.5262418
0.50984067]
...
[ 0.51799345 0.5185387 0. ... 0.418463 0.4343955
0.418463 ]
[ 0.51799345 0.51799345 0. ... 0.42314902 0.43720713
0.4212746 ]
[ 0.51799345 0.5174482 -0.00109051 ... 0.42502344 0.44376758
0.42502344]]
Метки (форма и один ряд данных):
(900, 8)
[[0 0 0 ... 0 0 1]
[0 0 0 ... 0 0 1]
[0 0 0 ... 0 0 1]
...
[0 0 0 ... 0 0 0]
[0 0 0 ... 0 0 0]
[0 0 0 ... 0 0 0]]
Модель:
model = Sequential()
model.add(LSTM(neurons, batch_input_shape=(window_size, n_steps, inputs_n), stateful=True))
model.add(Dense(outputs_n, activation='linear'))
model.compile(loss='mse', optimizer='adam', metrics=['accuracy'])
Тренировка (в цикле за 1 день данных):
X,y = split_sequence(features, labels, n_steps)
X = X.reshape(X.shape[0], X.shape[1], inputs_n)
history = model.train_on_batch(X, y)
Прогноз (в цикле за 1 день данных):
X,y = split_sequence(features, labels, n_steps)
X = X.reshape(X.shape[0], X.shape[1], inputs_n)
prediction = model.predict_on_batch(X)
Вывод прогнозов:
(900, 8)
[array([[-0.2294541 , -0.0739788 , -0.00822558, ..., 0.14238606,
-0.12440741, 0.18252842],
[-0.23193507, -0.07398052, -0.009443 , ..., 0.13879785,
-0.12469499, 0.18462572],
[-0.23936558, -0.07401707, -0.0090025 , ..., 0.13221815,
-0.12486663, 0.18865344],
...,
[-0.30348817, -0.09799367, 0.03219191, ..., 0.10227684,
-0.11021828, 0.22304526],
[-0.30362955, -0.09783267, 0.03222591, ..., 0.1022176 ,
-0.11022741, 0.22306752],
[-0.30342066, -0.09787753, 0.03216775, ..., 0.10230445,
-0.11023697, 0.22295707]], dtype=float32)]
Эти предсказания верны? Я ожидал бы что-то близкое к 00 и 11.
есть ли способ предсказать вероятность 0 или 1 для каждой метки вместо одной горячей позиции?