Блог

Я обучаю числовой набор данных для прогнозирования определенного результата, и хотя мой обучающий набор данных возвращает прогноз правильно, когда я импортирую данные откуда-то еще для проверки прогноза, он возвращает Nan. Кто-нибудь может мне здесь помочь?

Пожалуйста, найдите мой код ниже:

 early_stopping = callbacks.EarlyStopping(
    min_delta=0.001, # minimium amount of change to count as an improvement
    patience=50, # how many epochs to wait before stopping
    restore_best_weights=True,
    monitor='mae',
)

model = keras.Sequential([
    layers.BatchNormalization(input_shape = input_shape),
    layers.Dense(512, activation = 'relu'),
    layers.BatchNormalization(),
    layers.Dense(512, activation = 'relu'),
    layers.BatchNormalization(),
    layers.Dense(512, activation = 'relu'),
    layers.BatchNormalization(),
    layers.Dense(512, activation = 'relu'),
    layers.BatchNormalization(),
    layers.Dense(1),
])

model.compile(
    optimizer='adam',
    loss='mae',
    metrics=['mae'],
)

X=np.asarray(X).astype(np.float32)
y=np.asarray(y).astype(np.float32)
fitModel = model.fit(
    X, y,
    epochs = 100,
    callbacks = [early_stopping],
    verbose=0
)

model.save('testKeras.h5')
loadModel = keras.models.load_model('testKeras.h5')

loadModel.predict(X[:2])
 

Вывод:

 array([[52.616314],
       [51.21798 ]], dtype=float32)
 

Теперь я загрузил новый набор данных в систему, чтобы проверить результаты прогнозирования

 testResult = pd.DataFrame(PostGresProduction(queryCheck), columns=['gender', 'age', 'mobile_number_count', 'mobile_registered_with_bureau',
                                                    'state_id', 'city_id', 'loan_period', 'repayment_period',
                                                    'moratorium_availed', 'is_married', 'is_spouse_working',
                                                    'no_of_children',
                                                    'is_joint_family', 'is_migrant', 'other_asset', 'is_political',
                                                    'is_police',
                                                    'is_lawyer', 'has_gst', 'industry_type', 'business_type',
                                                    'billing_mode',
                                                    'daily_sales', 'nature_of_invoicing', 'business_experience',
                                                    'online_banking', 'profit_margin', 'business_nature', 'taxpayer_type',
                                                    'filing_frequency', 'credit_bureau_score', 'loans_defaulted',
                                                    'loans_taken',
                                                    'loans_writtenoff', 'emi_left', 'min_repayment_amount'])
testResult = testResult.iloc[0]
testResult = pd.DataFrame([testResult])

testResult = np.asarray(testResult)
testResult.shape
 

Вывод: (1, 36)

 loadModel.predict(testResult)
 

Вывод: array([[nan]], dtype=float32)

 testResult
 

Вывод:

 array([[ 0.00e 00,  4.40e 01,  2.00e 00,  0.00e 00,  2.00e 00,  7.00e 00,
         3.00e 01,  7.00e 00,  0.00e 00,  1.00e 00,  1.00e 00,  4.00e 00,
         1.00e 00,  0.00e 00,       nan,  0.00e 00,  0.00e 00,  0.00e 00,
         1.00e 00,  4.40e 01,       nan,  1.23e 02,  5.70e 01,  2.88e 02,
              nan,  1.00e 00,  2.00e 01,  3.50e 01,  1.00e 00,  0.00e 00,
        -1.00e 00,  0.00e 00,  0.00e 00,  0.00e 00,  0.00e 00,  2.50e 04]],
      dtype=float32)
 

Редактировать:

Я попытался удалить нулевые значения в моем наборе данных, и он вернул значение при прогнозировании. Но это значение неверно. Он возвращает четырехзначное число, в то время как в обучающем наборе данных он правильно возвращает двузначное число.

Кто-нибудь может мне здесь помочь?

Вывод прямо сейчас: array([[2462.3406]], dtype=float32) ожидаемый результат: ~ array([[30]], dtype=float32)