如何使用 Keras Python 3 查找总损失、准确性、预测日期时间？

Question

我正在尝试预测 OHLC 值。到现在我已经做到了：
Jupyter Note of the complete code

可以看到我的代码正在运行。但我对我创建的模型几乎没有疑问。

1. 我不知道预测的输出有多准确。
2. 错误损失是否得到改善。

我什至无法理解为什么所做的预测在图表上没有日期和时间？我想知道预测的日期。

我怎样才能实现目标？有没有办法可以将 OHLC 与预测时间结合起来？

Answer 1

要使用这些指标：

On the docs page of metrics of Keras

指标的使用

指标是用于判断模型性能的函数。编译模型时，将在 metrics 参数中提供度量函数。

度量函数类似于损失函数，只是在训练模型时不使用评估度量的结果。

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

您可以传递现有指标的名称，也可以传递 Theano/TensorFlow 符号函数（请参阅自定义指标）。

参数

y_true：真实标签。 Theano/TensorFlow 张量。

y_pred：预测。与 y_true 形状相同的 Theano/TensorFlow 张量。

返回

表示输出数组在所有数据点上的平均值的单个张量值。

为了评估模型训练后的性能，您可以使用

On the docs page of Model of Keras

评估

evaluate(self, x=None, y=None, batch_size=None, verbose=1, sample_weight=None, steps=None)

返回

模型在测试模式下的损失值和指标值。

你的情况

我猜你只需要更改这些行：

model_open.compile(loss='mse', optimizer='rmsprop')
model_high.compile(loss='mse', optimizer='rmsprop')
model_low.compile(loss='mse', optimizer='rmsprop')
model_close.compile(loss='mse', optimizer='rmsprop')

到

model_open.compile(loss='mse', optimizer='rmsprop', metrics=['mae', 'acc'])
model_high.compile(loss='mse', optimizer='rmsprop', metrics=['mae', 'acc'])
model_low.compile(loss='mse', optimizer='rmsprop', metrics=['mae', 'acc'])
model_close.compile(loss='mse', optimizer='rmsprop', metrics=['mae', 'acc'])

最后评估模型：

model_open.evaluate( testX_open, testY_open)
model_high.evaluate( testX_high, testY_high)
model_low.evaluate(  testX_low,  testY_low)
model_close.evaluate(testX_close,testY_close)

要在训练栏上添加准确度等指标，您只需像这样修改编译语句。