为什么我在使用 model.predict 时在 keras 中得到全 1？

Question

我正在尝试在 keras 包中使用 LSTM。我将我所有的训练和测试数据标准化为 0 到 1 之间的比例。我将数组重塑为 3D 数组。但是当我运行查看结果时，我得到一个 1 的数组，而不是 1 和 0 之间的缩放值。

这是我的代码：

Input = pd.read_csv('Input.csv')

for i in range(0, len(Input['Gold Price'])):
   Input['Gold Price'][i] = float(Input['Gold Price'][i].replace(',',''))
   Input['DJIA'][i] = float(Input['DJIA'][i].replace(',',''))

x_train = Input[['DJIA', 'Silver Price', 'Copper Price', 'US Dollar Index', 
'VIX']]
y_train = Input[['Gold Price']]

scaler = MinMaxScaler(feature_range=(0, 0.95))
scaler_x = scaler.fit(x_train)
scaler_y = scaler.fit(y_train)
x_scaled = scaler_x.transform(x_train)
y_scaled = scaler_y.transform(y_train)

x_scaled = np.reshape(x_scaled, (x_scaled.shape[0], 1, x_scaled.shape[1]))

model = Sequential()

model.add(LSTM(5, activation='relu', input_dim=5))
model.add(Dense(units=1, activation='softmax'))

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

model.fit(x_scaled, y_scaled, epochs=5, batch_size=32)

Test = pd.read_csv('Test Prices Daily.csv')

for i in range(0, len(Test['DJIA'])):
    Test['DJIA'][i] = float(Test['DJIA'][i].replace(',',''))

x_test = Test[['DJIA', 'Silver Price', 'Copper Price', 'US Dollar Index', 
'VIX']]

scaler_x = scaler.fit(x_test)
x_scaled_test = scaler_x.transform(x_test)

x_scaled_test = np.reshape(x_scaled_test, (x_scaled_test.shape[0], 1, 
x_scaled_test.shape[1]))
prediction = model.predict(x_scaled_test, batch_size=128)

Answer 1

model.add(Dense(units=1, activation='softmax'))

是违规行。激活应该是 sigmoid。

原因是softmax是由

给出的

softmax(x)_i = e^x_i / sum_i e^x_i

它标准化你的输出向量，使得分量总和为 1（即，将其映射到单纯形上）。如果输出 1 个分量，则它必须始终为 1。

看到这个我也有点惊讶：

loss='mae'

并认为二元交叉熵是一个更好的选择，因为您的响应在 0 和 1 之间。我想这取决于将输出变量解释为函数逼近或概率，这是我不知道的。