Diferencias

Muestra las diferencias entre dos versiones de la página.

--- 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: @@
 </sxh>
+{{:clase:iabd:pia:2eval:ejemplo1_gru_datos_originales.png|}}
   * Ahora los transformamos en la estructura que quiere Keras que es una matriz para cada dato. Fijarse que la ''y'' también es una matriz.
@@ Línea 128: / Línea 129: @@
 En nuestro ejemplo lo que hemos hecho es que para cada 24 temperaturas (''tamanyo_ventana=24'') , obtener la temperatura que habrá 12 horas después (''adelanto_prediccion=12'').
-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. Por último fíjate que tanto la ''x'' como la ''y'' son matrices ''x_entrenamiento.reshape(-1,tamanyo_ventana,1)'' y ''y_entrenamiento.reshape(-1,1)''
   * Ahora vamos a crear la red y entrenarla
@@ Línea 155: / Línea 156: @@
 history=fit(model,x_entrenamiento, y_entrenamiento, x_validacion, y_validacion,30)
 </sxh>
+Fijarse que en las capas ''GRU'' hay que indicar ''return_sequences=True'' excepto en la última que debe ser ''return_sequences=False''
   * Vamos a mostrar la gráfica de la pérdida en cada época
@@ Línea 165: / Línea 168: @@
 axes_configure_labels(axes,"Loss por época","Épocas","MSE")
 </sxh>
+{{:clase:iabd:pia:2eval:ejemplo1_gru_loss.png|}}
   * 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_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)
@@ Línea 178: / Línea 183: @@
 y_pred_validacion=model.predict(x_validacion)
-y_validacion_inverse_transform=scaler.inverse_transform(y_validacion.reshape(-1,1))
+y_validacion_inverse_transform=scaler.inverse_transform(y_validacion)
-y_pred_validacion_inverse_transform=scaler.inverse_transform(y_pred_validacion.reshape(-1,1))
+y_pred_validacion_inverse_transform=scaler.inverse_transform(y_pred_validacion)
@@ Línea 215: / Línea 220: @@
 </sxh>
+{{:clase:iabd:pia:2eval:ejemplo1_gru_resultados.png|}}

logongas

Herramientas de usuario

Herramientas del sitio

Diferencias

Herramientas de la página