使用神经网络预测新观测值的输出

Question

我用Python的Keras包构建了一个神经网络。我的网络的目标是预测房价。这是我的训练数据集的样子。

Price   Beds    SqFt    Built   Garage  FullBaths   HalfBaths   LotSqFt
485000  3       2336    2004    2       2.0          1.0        2178.0
430000  4       2106    2005    2       2.0          1.0        2178.0
445000  3       1410    1999    1       2.0          0.0        3049.0
...

假设我有一些新房子想要分析。例如，我想预测房子的价格

• 4 床
• 2500平方英尺
• 建于2001
年
• 3 全套卫浴
• 1 半浴室
• 地段平方英尺 3452

如何将这些值输入到我的网络中以接收预测价格。另外，有没有办法让网络报告某种置信度指标？

作为参考，这是我的网络当前的样子。

from keras.models import Sequential
from keras.layers import Dense
N = 16
model = Sequential([
Dense(N, activation='relu', input_shape=(7,)),
Dense(1, activation='relu'),
])
model.compile(optimizer='sgd',
loss='mse',
metrics=['mean_squared_error'])
hist = model.fit(X_train, Y_train,
batch_size=32, epochs=100,
validation_data=(X_val, Y_val))
model.evaluate(X_test, Y_test)[1]

提前感谢！！

Answer 1

为此，您需要使用model.predict()，如此处所述。

model.predict()将一批输入作为参数x。在您的情况下，您只有 1 个输入，因此您可以将其编写为：

x = [[4, 2500, 2001, 0, 3, 1, 3452]] # Assumes 0 garages
print(model.predict(x)[0]) # Print the first (only) result