У меня есть модель LSTM, которая предсказывает погоду.Когда я запускаю модель с model.fit, она дает около 20% MAPE.
Когда я пытаюсь предсказать те же данные, что и для model.fit, когда я вычисляю потери, это приводит к% 60 MAPE.Что может быть причиной этой разницы?Я бы проигнорировал это, но разница слишком велика.
Вот мой код в основном:
#preparing the data and building the model first
regressor.fit(x_train, y_train, epochs = 100, batch_size = 32,
validation_data = (x_test, y_test))
results = regressor.predict(x_test)
print(bm.mean_absolute_percentage_error(y_test, results))
в BM:
def mean_absolute_percentage_error(real, est):
"""Calculates the mean absolute precentage error.
"""
sess = Session()
with sess.as_default():
tensor = losses.mean_absolute_percentage_error(real, est)
return tensor.eval()[-1]
Я использовал то же самоефункция, которую keras использует для расчета MAPE.Даже если я допустил ошибку при подготовке тестовых данных, они оба должны быть неверны, поскольку они принимают тот же набор, что и аргумент.