我即将评估一个神经网络，并想检查预测是否有意义。

变量：

X_train1.shape
> (1700, 2)

X_val1.shape
> (339, 2)

X_test1.shape
> (701, 2)

保留[:, 0]x 值（在本例中为时间格式，分别为小时值）和[:, 1]相应的 y 值（在本例中为当前值）：

X_train1[0:3]
> array([[-1.72694903,  0.63332341],
       [-1.71673039,  1.00769389],
       [-1.70651176,  1.14177968]])

您在第一列中看不到时间格式，因为我必须根据

df_train1["timestamp"] = pd.to_timedelta(df_train1['timestamp']).dt.total_seconds()

请注意，我想使用AutoEncoder，其中X=Y：

y_train1 = X_train1

和视觉上：

首先，我搜索最好的超参数：

grid_result = grid_obj.fit(X_train1, y_train1)

然后我使用最好的参数：

grid_best = grid_result.best_estimator_

现在我想预测：

prediction = grid_best.predict(X_test1)

原则上这是可行的，但我得到了太好的结果，尽管我可以看到偏差。但我想知道我的概念是否有意义。例如，之前一直predict()在预测新y的X. 当我尝试执行上述相同操作时，意味着：

grid_best.predict(X_test1[:, 0])

我收到：

检查输入时出错：预期 input_152 的形状为 (2,) 但数组的形状为 (1,)

这些是结果：

我训练了 3 个月的时间并预测 1 个月。为什么我认为这太好了，因为我在这里只使用了五个神经元：（输入 2，潜在空间 1，输出 2）。当我使用六个神经元时，它几乎是完美的..