网站系统开发报价单,网站设计制作过程,网页设计实训总结1500字,基础html网页模板背景数据描述胆固醇、高血脂、高血压是压在广大中年男性头上的三座大山#xff0c;如何有效的监控他们#xff0c;做到早发现、早预防、早治疗尤为关键#xff0c;趁着这个假期我就利用TF2.0构建了一套时序预测模型#xff0c;一来是可以帮我预发疾病#xff0c;二来也可以…背景数据描述胆固醇、高血脂、高血压是压在广大中年男性头上的三座大山如何有效的监控他们做到早发现、早预防、早治疗尤为关键趁着这个假期我就利用TF2.0构建了一套时序预测模型一来是可以帮我预发疾病二来也可以体验下TF2.0的特性先来看下数据结构date表示的是测量日期cholesterol代表胆固醇数值blood_fat代表血脂blood_pressure代表血压整个的建模思路就是将这三个数值一起构建时序模型因为这三个指标不能独立来看他们是相互有影响的互为特征和目标值。代码详解废话不多说我们先看下完整的代码代码比较长我把整个代码分为数据探查、网络构建、模型训练、模型保存和预测这4个模块进行拆分并讲解可以参见代码中的注释进行模块区分。环境使用的是python3.7、TensorFlow2.0版本。完整代码见文末1数据探查在数据探查模块使用了pandas将数据读取进来然后用diff函数构建了时序数据的增长率曲线图因为做时序数据预测更多地是去看数据的增长或者降低趋势。通过matplotlib可以把数据的成长曲线画出来2网络结构构建使用的是标准的lstm网络结构可以通过model.summary函数将深度学习网络结构打印出来如下图所示3模型训练在模型训练环节主要是构建了收敛函数MSPEMSPE是一种残差收敛算法具体计算公式比较简单(y_true - y_pred)**2/(tf.maximum(y_true**2,1e-7))4模型存储和预测第四部分先使用model.save这个TF的官方模型保持函数将模型保存到本地建议尽量使用这种官方的模型保持方案。然后load模型对象用model.predict函数对下一阶段的3个指标数据做一个预测。最终的预测结果存放在arr_predict对象中预测结果为[[0.265523280.331511020]]以上预测的是数据的增长率假设最后一阶段的三个指标的数据分别为4.5、3.2、119那么最终下一阶段的预测值就是[[4.50.265523283.20.331511021190]]完整代码如下有兴趣的同学可以跑一跑玩一玩。import
