山东大学暑期项目实训——云主机服务比价与预测系统（十二）

使用tensorflow做预测

一、简单的预测函数值

1.使用训练数据做预测

创建模型：

model = keras.Sequential([layers.Dense(64, activation='relu', input_shape=[len(train_dataset.keys())]),layers.Dense(64, activation='relu'),layers.Dense(1)
])optimizer = tf.keras.optimizers.RMSprop(0.001)model.compile(loss='mse',optimizer=optimizer,metrics=['mae', 'mse'])

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zg1DNY5u-1627206421750)(/Users/yuanbao/Library/Application Support/typora-user-images/image-20210428155135493.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-OCZBKzZe-1627206421751)(/Users/yuanbao/Library/Application Support/typora-user-images/image-20210428155128032.png)]

该图表显示在约200个 epochs 之后误差非但没有改进，反而出现恶化。让我们更新 model.fit 调用，当验证值没有提高上是自动停止训练。我们将使用一个 EarlyStopping callback 来测试每个 epoch 的训练条件。如果经过一定数量的 epochs 后没有改进，则自动停止训练。

# patience 值用来检查改进 epochs 的数量
early_stop = keras.callbacks.EarlyStopping(monitor='val_loss', patience=10)

定义步数是10个没有改进就自动停止；

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5HIRceXr-1627206421753)(/Users/yuanbao/Library/Application Support/typora-user-images/image-20210428200102089.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VnfQSMgm-1627206421755)(/Users/yuanbao/Library/Application Support/typora-user-images/image-20210428200109570.png)]

对比两个图，发现效果很明显！

可以通过改变patience参数的值来使得训练对于未改进的忍受程度。

2.通过模型做预测

使用自己的模型对数据做预测：

loss, mae, mse = model.evaluate(normed_test_data, test_labels, verbose=2)print("Testing set Mean Abs Error: {:5.2f} MPG".format(mae))test_predictions = model.predict(normed_test_data).flatten()plt.scatter(test_labels, test_predictions)
plt.xlabel('True Values [MPG]')
plt.ylabel('Predictions [MPG]')
plt.axis('equal')
plt.axis('square')
plt.xlim([0,plt.xlim()[1]])
plt.ylim([0,plt.ylim()[1]])
_ = plt.plot([-100, 100], [-100, 100])
plt.show()

结果很接近正确结果：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jxJHX56G-1627206421756)(/Users/yuanbao/Library/Application Support/typora-user-images/image-20210428201736562.png)]

山东大学暑期项目实训——云主机服务比价与预测系统相关推荐

云主机服务比价与预测系统开发心得--第一周(1)--git技术
1 Git 简介 Git 是一个开源的分布式版本控制系统,用于敏捷高效地处理任何或小或大的项目. Git 是 Linus Torvalds 为了帮助管理 Linux 内核开发而开发的一个开放源码的版本 ...
山东大学暑期项目实训-基于信用评分卡算法模型的个人信用评级系统的设计与实现-第一周-1（6月28日）
实训题目名称基于信用评分卡算法模型的个人信用评级系统的设计与实现项目流程本项目核心信用风险评级模型的主要的研发及设计实现策略及流程如下: (1) 数据获取,包括获取存量客户及潜在客户的数据.存量 ...
山东大学暑期项目实训-基于信用评分卡算法模型的个人信用评级系统的设计与实现-第一周-3（7月2日）
继续学习了对于数据预处理和数据建模评估的内容标准化和归一化处理标准化使用库函数进行标准化处理.自定义函数实现标准化处理归一化使用库函数进行归一化处理.自定义函数实现归一化处理训练集和测试集 ...
山东大学暑期项目实训-基于信用评分卡算法模型的个人信用评级系统的设计与实现-第四周-10（7月19日）
得出woe值和IV值后,通过柱状图对数据进行可视化输出.再自定义函数replace_woe,读取训练集,并将得到的woe值进行替换输出到新的文件WoeData里面.去除掉对因变量影响不明显的变量'Se ...
山东大学暑期项目实训-基于信用评分卡算法模型的个人信用评级系统的设计与实现-第四周-12（7月23日）
在得出基础分和各部分得分后,两者相加即可得出个人总评分,自定义compute_score函数来找到每一行数据根据分箱得出的分数段的得分,最想通过各评分相加得出最终评分,并对最终结果进行输出. comp ...
山东大学暑期项目实训-基于信用评分卡算法模型的个人信用评级系统的设计与实现-第三周-9（7月16日）
日总结进行完分箱的工作后,我们开始进行WOE值和IV值的计算以为后面模型转变做好准备,在通过了解和学习相关知识后,我们通过创建函数bin_self,在里面算出好坏样本数,然后再将分箱结果引入,通过公 ...
山东大学暑期项目实训-基于信用评分卡算法模型的个人信用评级系统的设计与实现-第三周-7（7月12日）
日总结通过上周对基础知识的学习已经数据预处理后,本周先就已经处理好的数据进行探索性数据分析,通过直方图对各个数据列进行适当的划分bins数后.观察分析直方图,发现其中大多数都按照预期呈现正态分布,但 ...
山东大学暑期项目实训-基于信用评分卡算法模型的个人信用评级系统的设计与实现-第二周-6（7月9日
#划分测试集训练集查看MonthlyIncome_rf的分布情况,没有作标准化与归一化,选择一定范围内的值进行查看用df.copy(deep=True)创建一个不同内存空间的副本 #查看相关字段直 ...
山东大学暑期项目实训-基于信用评分卡算法模型的个人信用评级系统的设计与实现-第四周-11（7月21日）
模型建立后开始计算分数,先找到前面由逻辑回归输出结果里面的逻辑回归系数.然后计算评分卡分值,由查阅资料得知score=offset+factor*log(odds),这里设置基础分值为500,PDO和 ...

山东大学暑期项目实训——云主机服务比价与预测系统