我想使用学习的模型来获得新的预测。 所以我做了一个我想要得到的函数。 但它不起作用。 当我使用此函数时,它总是返回相同的值。 我认为编码过程有问题,但我不知道如何解决。 我改变了很多我怀疑的东西,但它不起作用。 请观看此代码,并请告诉我此代码中的问题是什么。 谢谢。
def determineRank(t,n,bid_t,w,h,k):
# t = str(input()) # time
# n = int(input()) # now ranking
# bid_t = int(input()) # bid amount
# w = int(input()) # weekday
# h = int(input()) # holiday
# k = str(input()) # keyword
encode = LabelEncoder()
#x = np.concatenate((t,n,bid_t,w,h,k),axis = 1).reshape(1,6,1)
t = categorize_time(t)
k = encode.fit_transform([k])
new_list = []
new_list = [t,n,bid_t,w,h,k]
"""
new_list = new_list.append(t)
new_list = new_list.append(n)
new_list = new_list.append(bid_t)
new_list = new_list.append(w)
new_list = new_list.append(h)
new_list = new_list.append(k)
k = encode.fit_transform(k)
"""
new_list = np.array(new_list)
new_list = new_list.reshape(1,6,1)
model = load_model('03-0.728448.hdf5')
rank = model.predict(new_list)
return rank[0]
你是对的,编码过程有问题。 调用 LabelEncoder ()
时,将创建一个新的编码器。因此,对于传递给新编码器的任何值,编码结果将相同。若要通过基于编码器的值进行预测,应使用与模型拟合相同的编码器:
- 适合:
...
encode = LabelEncoder() # create new encoder
k = encode.fit_transform([k]) # fit encoder and transform value
save_encoder(encode, 'some_name_for_encoder.hdf5') # save fitted encoder for further usage
...
- 预测:
...
encode = load_encoder('some_name_for_encoder.hdf5') # load fitted encoder
k = encode.transform([k]) # transform value
...