Keras Regression 每次都对我的输入给出不同的预测答案

【问题标题】：Keras Regressor giving different prediction for my input everytimeKeras Regression 每次都对我的输入给出不同的预测
【发布时间】：2018-07-08 13:06:02
【问题描述】：

我使用以下代码构建了一个 Keras 回归器：

from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasRegressor
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import KFold
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline


import numpy as ny
import pandas

from numpy.random import seed
seed(1)
from tensorflow import set_random_seed
set_random_seed(2)

X = ny.array([[1,2], [3,4], [5,6], [7,8], [9,10]])
sc_X=StandardScaler()
X_train = sc_X.fit_transform(X)

Y = ny.array([3, 4, 5, 6, 7])
Y=ny.reshape(Y,(-1,1))
sc_Y=StandardScaler()
Y_train = sc_Y.fit_transform(Y)

N = 5

def brain():
    #Create the brain
    br_model=Sequential()
    br_model.add(Dense(3, input_dim=2, kernel_initializer='normal',activation='relu'))
    br_model.add(Dense(2, kernel_initializer='normal',activation='relu'))
    br_model.add(Dense(1,kernel_initializer='normal'))

    #Compile the brain
    br_model.compile(loss='mean_squared_error',optimizer='adam')
    return br_model


def predict(X,sc_X,sc_Y,estimator):
    prediction = estimator.predict(sc_X.fit_transform(X))
    return sc_Y.inverse_transform(prediction)

estimator = KerasRegressor(build_fn=brain, epochs=1000, batch_size=5,verbose=0)
# print "Done"


estimator.fit(X_train,Y_train)
prediction = estimator.predict(X_train)


print predict(X,sc_X,sc_Y,estimator)

X_test = ny.array([[1.5,4.5], [7,8], [9,10]])
print predict(X_test,sc_X,sc_Y,estimator)

我面临的问题是代码没有预测相同的值（例如，它在第一个预测 (X) 中预测 [9,10] 为 6.64，在第二个预测中预测 [9,10] 为 6.49 ( X_test) ) 完整的输出是这样的：

[2.9929883 4.0016675 5.0103474 6.0190268 6.6434317]
[3.096634  5.422326  6.4955378]

为什么我会得到不同的值以及如何解决它们？

【问题讨论】：

标签： machine-learning neural-network google-cloud-platform keras artificial-intelligence

【解决方案1】：

问题出在这行代码：

prediction = estimator.predict(sc_X.fit_transform(X))

每次预测新数据的值时，您都在拟合新的定标器。这就是差异的来源。试试：

prediction = estimator.predict(sc_X.transform(X))

在这种情况下，您使用预训练的缩放器。

【讨论】：