skflow Regression mehrere Werte vorhersagen

Question

Ich versuche eine Zeitreihe zu prognostizieren: gegeben 50 vorherige Werte, möchte ich die nächsten 5 Werte voraussagen.

Dazu verwende ich das skflow-Paket (basierend auf TensorFlow), und dieses Problem ist relativ nah an der Boston example provided in the Github repo.

Mein Code ist wie folgt:

%matplotlib inline 
import pandas as pd 

import skflow 
from sklearn import cross_validation, metrics 
from sklearn import preprocessing 

filepath = 'CSV/FILE.csv' 
ts = pd.Series.from_csv(filepath) 

nprev = 50 
deltasuiv = 5 

def load_data(data, n_prev = nprev, delta_suiv=deltasuiv): 

    docX, docY = [], [] 
    for i in range(len(data)-n_prev-delta_suiv): 
     docX.append(np.array(data[i:i+n_prev])) 
     docY.append(np.array(data[i+n_prev:i+n_prev+delta_suiv])) 
    alsX = np.array(docX) 
    alsY = np.array(docY) 

    return alsX, alsY 

X, y = load_data(ts.values) 
# Scale data to 0 mean and unit std dev. 
scaler = preprocessing.StandardScaler() 
X = scaler.fit_transform(X) 
X_train, X_test, y_train, y_test = cross_validation.train_test_split(X, y, 
    test_size=0.2, random_state=42) 
regressor = skflow.TensorFlowDNNRegressor(hidden_units=[30, 50], 
    steps=5000, learning_rate=0.1, batch_size=1) 
regressor.fit(X_train, y_train) 
score = metrics.mean_squared_error(regressor.predict(X_test), y_test) 
print('MSE: {0:f}'.format(score)) 

Dies führt zu:

ValueError: y_true and y_pred have different number of output (1!=5)

am Ende der Ausbildung.

Und wenn ich vorherzusagen versuchen, ich habe die gleiche Art von Problem

ypred = regressor.predict(X_test) 
print ypred.shape, y_test.shape 

(200, 1) (200, 5)

Wir können also sehen, dass das Modell irgendwie nur ein Wert prognostiziert statt der 5 wollte/hoffte.

Wie kann ich das gleiche Modell zur Vorhersage von Werten für mehrere Werte verwenden?

Answer 1

Ich habe gerade Unterstützung für Multi-Output-Regression in skflow seit diesem #e443c734 hinzugefügt, also bitte installieren Sie das Paket erneut versuchen. Wenn es nicht funktioniert, folgen Sie bitte Github.

Ich habe auch ein Beispiel für Multioutput Regression auf examples folder:

# Create random dataset. 
rng = np.random.RandomState(1) 
X = np.sort(200 * rng.rand(100, 1) - 100, axis=0) 
y = np.array([np.pi * np.sin(X).ravel(), np.pi * np.cos(X).ravel()]).T 

# Fit regression DNN model. 
regressor = skflow.TensorFlowDNNRegressor(hidden_units=[5, 5]) 
regressor.fit(X, y) 
score = mean_squared_error(regressor.predict(X), y) 
print("Mean Squared Error: {0:f}".format(score))