使用神经网络预测新观察的输出答案

【问题标题】：Using a Neural Network to Predict Output From a New Observation使用神经网络预测新观察的输出
【发布时间】：2020-11-02 14:41:31
【问题描述】：

我使用 Python 的 Keras 包构建了一个神经网络。我的网络的目标是预测房价。这是我的训练数据集的样子。

    Price   Beds    SqFt    Built   Garage  FullBaths   HalfBaths   LotSqFt
    485000  3       2336    2004    2       2.0          1.0        2178.0
    430000  4       2106    2005    2       2.0          1.0        2178.0
    445000  3       1410    1999    1       2.0          0.0        3049.0

...

假设我有一些新房子要分析。例如，我想用

预测房子的价格

4 张床
2500 平方英尺
2001 年建成
3 个全套卫浴
1 半浴
3452 平方英尺的地段

如何将这些值输入到我的网络中以接收预测价格。另外，有没有办法让网络报告某种置信度指标？

作为参考，这是我的网络当前的样子。

from keras.models import Sequential
from keras.layers import Dense

N = 16

model = Sequential([
    Dense(N, activation='relu', input_shape=(7,)),
    Dense(1, activation='relu'),
])

model.compile(optimizer='sgd',
              loss='mse',
              metrics=['mean_squared_error'])

hist = model.fit(X_train, Y_train,
          batch_size=32, epochs=100,
          validation_data=(X_val, Y_val))

model.evaluate(X_test, Y_test)[1]

提前致谢！！

【问题讨论】：

标签： python tensorflow keras neural-network prediction

【解决方案1】：

为此，您需要使用 model.predict()，如文档中的 here 所述。

model.predict() 将一批输入x 作为参数。在您的情况下，您只有 1 个输入，因此您可以将其写为：

x = [[4, 2500, 2001, 0, 3, 1, 3452]] # Assumes 0 garages
print(model.predict(x)[0]) # Print the first (only) result

【讨论】：

非常感谢！有没有办法让我也获得概率或置信区间？
不幸的是，神经网络的本质是不平凡的。从技术上讲，确定置信区间是可能的，但它确实是另一个你可能不想进入的兔子洞。相反，您可以做的是确定您的平均误差（甚至分布）并假设您的结果。
处理您的建议的最佳方式是什么？
我会做一个 'errors = model.predict(X_test) - y_test)' 来获取一些错误样本，然后 plt.hist(errors) 来查看错误的分布。然后你就会知道你的答案周围的错误分布是什么。您可以将针对您的特定案例的预测添加到所有这些样本中，这样您就可以了解您的特定案例可能在哪里。