Python-сообщество

Доброго времени суток, ребята!

Столкнулся со следующей проблемой: тренировочные и тестовые данные у меня в виде DataFrame, соответственно для обучения модели передаю данные (x_train, x_test, y_train, y_test) в виде DataFrame и для предсказания в модель передаю данные в виде DataFrame (x_test), а метод предсказаний возвращает данные (y_test_pred, y_train_pred) в виде массива Float32. В DataFrame и в массиве Float32 разные индексации и когда я хочу сравнить данные полученные в ходе предсказаний (массив Float32) с верными тестовыми данными (DataFrame массив), то ничего не выходит - индексация то разная.

Как тут быть?

 dataset = pd.read_csv('J:/Exemple_Regression/ENB2012_data.csv', sep=',')
#DataFrame массивы
X = dataset[['X1','X2','X3','X4','X5','X6','X7','X8']].values
X_factors=pd.DataFrame(X)
X_factors=Not_Nane_str(X_factors)
y = dataset['Y1'].values
y_result=pd.DataFrame(y)
y_result=Not_Nane_str(y_result)
#DataFrame массивы
x_train, x_test, y_train, y_test = train_test_split(X_factors,y_result, test_size=0.33, random_state=42)
# Среднее значение
mean = x_train.mean(axis=0)
#Стандартное отклонение
std = x_train.std(axis=0)
x_train -= mean
x_train /= std
x_test -= mean
x_test /= std
model = Sequential()
model.add(Dense(13, activation='relu', input_shape=(x_train.shape[1],)))
model.add(Dense(13, activation='relu'))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mse', metrics=['mae'])
#DataFrame массивы
model.fit(x_train, y_train, epochs=3, batch_size=1, verbose=2)
#Возвращает массивы float32
y_test_pred = model.predict(x_test)
y_train_pred = model.predict(x_train)
#СРАВНЕНИЕ
print("Предсказанное изменение:", y_test_pred[0])
print("Правильное изменение:", y_test[1][0])

Отредактировано Volodya (Март 12, 2020 13:44:01)

Volodya
Как тут быть?

doza_and
Как тут быть зависит от того что вы имеете ввиду под сравнить. Обычно если модель научена, то она может предсказывать результат для любых факторов (на то она и модель). Просто передайте для предсказания набор факторов от тестовой последовательности.

doza_and
Не уж-то вариант только сравнивать в цикле каждое значение отдельно одновременно записывая результат предсказания и верный ответ в отдельные схожие структуры данных?