# 模型的加载及使用print使用模型进行预测filepath=new_model89h5model = load_modelfilepath# 读取 CSV 文件data = pdread_csvexcel2csv# 将数据转换为 NumPy 数组unknown = datavaluesastypenpfloat32# 进行预测predicted = modelpredictunknown ve

以下是修改后的代码：

print("使用模型进行预测...")
filepath="./new_model89.h5"
model = load_model(filepath)
# 读取 CSV 文件
data = pd.read_csv('excel2.csv')

# 将数据转换为 NumPy 数组
unknown = data.values.astype(np.float32)

# 将第1到9列的数据除以整个1到9列数据中的最大值
max_values = data.iloc[:, 0:9].max(axis=0)
unknown[:, 0:9] = unknown[:, 0:9] / max_values

# 将第10列数据除以第10列数据中的最大值
max_value = data.iloc[:, 9].max()
unknown[:, 9] = unknown[:, 9] / max_value

# 进行预测
predicted = model.predict(unknown, verbose=1)

# 将预测结果保存到新的 CSV 文件中
# 将预测结果转换为 DataFrame
result = pd.DataFrame(predicted, columns=[f'prediction_{i}' for i in range(predicted.shape[1])])

# 将 DataFrame 以行为单位保存到 CSV 文件中
result.to_csv('predicted_result.csv', index=False, header=False)

在原有代码的基础上，添加了以下几行代码：

# 将第1到9列的数据除以整个1到9列数据中的最大值
max_values = data.iloc[:, 0:9].max(axis=0)
unknown[:, 0:9] = unknown[:, 0:9] / max_values

# 将第10列数据除以第10列数据中的最大值
max_value = data.iloc[:, 9].max()
unknown[:, 9] = unknown[:, 9] / max_value

这部分代码将第1到9列的数据除以整个1到9列数据中的最大值，然后将第10列数据除以第10列数据中的最大值，实现了数据的处理