Keras回归预测与输出维度不同答案

【问题标题】：Keras regression prediction is not same dimension as output dimensionKeras回归预测与输出维度不同
【发布时间】：2018-10-18 15:56:17
【问题描述】：

您好，我正在尝试进行能源分解（在给定某个家庭的总能源消耗的同时预测电器的能源使用情况。）

现在我的输入维度为 2，因为有 2 个主要能量测量值。 Keras Sequential 模型的输出维度应该是 18，因为我有 18 个设备我想对其进行预测。我有足够的数据使用 REDD 数据集（这没问题）。

我已经训练了模型并获得了合理的损失和准确性。但是当我想对一些测试数据进行预测时，预测由一维数组中的值组成。同时输出是18维的？

这怎么可能，或者我正在尝试一些不可行的东西？

一些代码：

model = Sequential()

model.add(Dense(HIDDEN_LAYER_NEURONS,input_dim=2))
model.add(Activation('relu'))
model.add(Dense(18))

model.compile(loss=LOSS,
          optimizer=OPTIMIZER,
          metrics=['accuracy'])

model.fit(X_train, y_train, epochs=EPOCHS, batch_size=BATCH_SIZE, 
verbose=1, validation_split=VALIDATION_SPLIT)

pred = model.predict(X_test).reshape(-1)
pred.shape # prints the following 1 dimensional array: (xxxxx,) dimensional

ALL_CAPS 变量是常量。 X_train 是 2-dim y_train 是 18-dim

感谢任何帮助！

【问题讨论】：

我不完全理解这个问题。 X_train、y_train、X_test 和 pred 的形状你能说清楚一点吗？
@jmsinusa 我的问题已经得到正确回答，但还是谢谢！

标签： python tensorflow neural-network keras regression

【解决方案1】：

你正在重塑预测并将它们展平：

pred = model.predict(X_test).reshape(-1)

reshape(-1) 有效地使数组一维。直接进行预测即可：

pred = model.predict(X_test)

【讨论】：

有效！谢谢一堆。这就是我用来转置我以前的一维数组的方法。我不知道它实际上执行了转换。
@StreamJungle Transpose 是 .T，不重塑为 -1。