机器学习模型评估、部署与异常检测
1. 模型评估与记录
1.1 数据准备与评估
首先,我们需要将测试数据转换为合适的格式,以便对模型进行评估。以下是具体的代码:
np.asarray(seq_array_test_last).astype(np.float32)
y_mask = [len(test[test['engine_id']==engine_id]) >= \
sequence_length for engine_id in \
test['engine_id'].unique()]
label_array_test_last = \
test.groupby('engine_id')['label1'].nth(-1)[y_mask].values
label_array_test_last = label_array_test_last.reshape(
label_array_test_last.shape[0],1).astype(np.float32)
接下来,我们使用测试数据集对训练好的模型进行评估,以了解模型预测发动机何时需要维护的准确性:
scores_test = model.evaluate(seq_array_test_last,
label_array_test_last, verbose=2)
print('Accuracy: {}'.format(