Python：在 Keras 上训练和预测回归问题

Question

我正在使用 Keras 研究一个简单的时间序列回归问题，我想使用最近 20 个收盘价预测下一个收盘价，根据我找到的一些示例，我有以下代码：

根据“build_fn”参数的需要，我将顺序模型写在一个单独的函数中：

def modelcreator():
   model = Sequential()
   model.add(Dense(500, input_shape = (20, ),activation='relu'))
   model.add(Dropout(0.25))
   model.add(Dense(250,activation='relu'))
   model.add(Dense(1,activation='linear'))

   model.compile(optimizer=optimizers.Adam(),
                 loss=losses.mean_squared_error)

   return model 

我创建 KerasRegressor 对象，传递模型创建函数和所需的拟合参数：

estimator = KerasRegressor(build_fn=modelcreator,nb_epoch=100, batch_size=32)

我使用 592 个样本通过 KerasRegressor 对象训练模型：

self.estimator.fit(X_train, Y_train)

问题开始出现，尽管 nb_epoch=100 我的模型只训练了 10 个 epoch：

Epoch 1/10
592/592 [==============================] - 0s - loss: 6.9555e-05     
Epoch 2/10
592/592 [==============================] - 0s - loss: 1.2777e-05     
Epoch 3/10
592/592 [==============================] - 0s - loss: 1.0596e-05     
Epoch 4/10
592/592 [==============================] - 0s - loss: 8.8115e-06     
Epoch 5/10
592/592 [==============================] - 0s - loss: 7.4438e-06     
Epoch 6/10
592/592 [==============================] - 0s - loss: 8.4615e-06     
Epoch 7/10
592/592 [==============================] - 0s - loss: 6.4859e-06     
Epoch 8/10
592/592 [==============================] - 0s - loss: 6.9010e-06     
Epoch 9/10
592/592 [==============================] - 0s - loss: 5.8951e-06     
Epoch 10/10
592/592 [==============================] - 0s - loss: 7.2253e-06  

当我尝试使用数据样本进行预测时：

prediction = self.estimator.predict(test)

预测值应该接近 0.02-0.04 范围，但是当我打印它时，我得到 0.000980315962806344

Q1：如何将训练周期设置为所需的值？

Q2：如何使用我的 NN 生成预测？

Answer 1

您的网络未融合。尝试更改参数。损失应该不断减少。还要正确初始化参数。

Answer 2

首先，您很可能使用的是 Keras 2.0，并且在该版本中，参数 nb_epochs 已重命名为 epochs。

第二件事是您必须将输入和输出标准化为 [0, 1] 范围。如果没有规范化，它将无法工作。另外为了匹配归一化的输出和网络范围，最好在输出层使用 sigmoid 激活。