model.evaluate() 在 tensorflow 中如何工作？
How does model.evaluate() work in tensorflow?
我正在训练一个具有 4 天回顾和 4 天未来预测的模型。最后 4 天将作为接下来几天的功能。
在那种情况下，如果我有 x_test 作为 [[1,2,3,4],[5,6,7,8]] 和 y_test[[0.1,0.2,0.3,0.4],[0.5,0.6,0.7,0.8]]
如果我们做 model.predict(x_test[0])，结果 y(hat) 我们需要与 y[1].
比较
那么 model.evaluate() 是如何进行这种比较的？如果我们把 y(hat)[0] 和 y[0] 放在一起，那是错误的对吧？
正如您提到的，如果我们连续几天给出值，那么我们可以使用第二组 4 个值来评估第一组 4 个值的模型预测。[它称为滚动 window 验证方法]
但是，由于您的数据集采用输入形式 - [前 4 个值] / 标签 - [后 4 个值]，因此我们不需要评估 x_test[0] 和 y[1] 的结果，因为实际 y x_test[0] 的值在 y[0].
中
我正在训练一个具有 4 天回顾和 4 天未来预测的模型。最后 4 天将作为接下来几天的功能。
在那种情况下，如果我有 x_test 作为 [[1,2,3,4],[5,6,7,8]] 和 y_test[[0.1,0.2,0.3,0.4],[0.5,0.6,0.7,0.8]]
如果我们做 model.predict(x_test[0])，结果 y(hat) 我们需要与 y[1].
那么 model.evaluate() 是如何进行这种比较的？如果我们把 y(hat)[0] 和 y[0] 放在一起，那是错误的对吧？
正如您提到的，如果我们连续几天给出值，那么我们可以使用第二组 4 个值来评估第一组 4 个值的模型预测。[它称为滚动 window 验证方法]
但是，由于您的数据集采用输入形式 - [前 4 个值] / 标签 - [后 4 个值]，因此我们不需要评估 x_test[0] 和 y[1] 的结果，因为实际 y x_test[0] 的值在 y[0].