Muestra las diferencias entre dos versiones de la página.
Ambos lados, revisión anterior Revisión previa Próxima revisión | Revisión previa | ||
clase:iabd:pia:2eval:tema10 [2025/01/05 19:37] admin [Ejemplo] |
clase:iabd:pia:2eval:tema10 [2025/01/06 11:22] (actual) admin [Ejemplo] |
||
---|---|---|---|
Línea 85: | Línea 85: | ||
</ | </ | ||
+ | {{: | ||
* Ahora los transformamos en la estructura que quiere Keras que es una matriz para cada dato. Fijarse que la '' | * Ahora los transformamos en la estructura que quiere Keras que es una matriz para cada dato. Fijarse que la '' | ||
Línea 128: | Línea 129: | ||
En nuestro ejemplo lo que hemos hecho es que para cada 24 temperaturas ('' | En nuestro ejemplo lo que hemos hecho es que para cada 24 temperaturas ('' | ||
- | Tambien hemos escalado los datos, lo cual es importante para que la red funcione mejor. | + | Tambien hemos escalado los datos, lo cual es importante para que la red funcione mejor. |
* Ahora vamos a crear la red y entrenarla | * Ahora vamos a crear la red y entrenarla | ||
Línea 155: | Línea 156: | ||
history=fit(model, | history=fit(model, | ||
</ | </ | ||
+ | Fijarse que en las capas '' | ||
+ | |||
* Vamos a mostrar la gráfica de la pérdida en cada época | * Vamos a mostrar la gráfica de la pérdida en cada época | ||
Línea 165: | Línea 168: | ||
axes_configure_labels(axes," | axes_configure_labels(axes," | ||
</ | </ | ||
+ | |||
+ | {{: | ||
* Para acabar vamos a mostrar 4 gráficos en la que se va a sobreponer los datos verdaderos y los predichos, tanto en entrenamiento como en validación. | * Para acabar vamos a mostrar 4 gráficos en la que se va a sobreponer los datos verdaderos y los predichos, tanto en entrenamiento como en validación. | ||
Línea 172: | Línea 177: | ||
y_pred_entrenamiento=model.predict(x_entrenamiento) | y_pred_entrenamiento=model.predict(x_entrenamiento) | ||
- | y_entrenamiento_inverse_transform=scaler.inverse_transform(y_entrenamiento).reshape(-1) | + | y_entrenamiento_inverse_transform=scaler.inverse_transform(y_entrenamiento) |
y_pred_entrenamiento_inverse_transform=scaler.inverse_transform(y_pred_entrenamiento) | y_pred_entrenamiento_inverse_transform=scaler.inverse_transform(y_pred_entrenamiento) | ||
Línea 178: | Línea 183: | ||
y_pred_validacion=model.predict(x_validacion) | y_pred_validacion=model.predict(x_validacion) | ||
- | y_validacion_inverse_transform=scaler.inverse_transform(y_validacion.reshape(-1, | + | y_validacion_inverse_transform=scaler.inverse_transform(y_validacion) |
- | y_pred_validacion_inverse_transform=scaler.inverse_transform(y_pred_validacion.reshape(-1, | + | y_pred_validacion_inverse_transform=scaler.inverse_transform(y_pred_validacion) |
Línea 215: | Línea 220: | ||
</ | </ | ||
+ | {{: | ||