模型加载与使用：使用 Python 进行预测并保存结果

本文介绍如何使用 Python 加载和使用预训练模型，进行预测并保存结果到 CSV 文件。文章包含模型加载、数据预处理、预测、结果反归一化和保存等步骤，并附带示例代码。

模型加载和预测

首先，使用 load_model 函数加载预训练模型：

print("使用模型进行预测...")
filepath="./sancanshu1.h5"
model = load_model(filepath)

然后，读取待预测的数据：

# 读取 CSV 文件
data = pd.read_csv('验证模型.csv')
提取第1到9列的数据
features = data.iloc[:, :9].values.astype(np.float32)
提取第10列的数据
target = data.iloc[:, 9].values.astype(np.float32)
对第1到9列的每行数据除以每行数据中的最大值,后面除以的值是用于训练模型时候归一化除以的值
features_normalized = features / 2871.158436
对第10列的数据除以最大值
target_normalized = target / 0.469994596
将数据转换为 NumPy 数组
unknown = np.concatenate((features_normalized, target_normalized.reshape(-1, 1)), axis=1)
进行预测
predicted = model.predict(unknown, verbose=1)

结果保存

将预测结果保存到 CSV 文件中：

# 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=['prediction_1', 'prediction_2', 'prediction_3'])
将预测结果反归一化
result['prediction_1'] = result['prediction_1'] * 2871.158436
result['prediction_2'] = result['prediction_2'] * 2871.158436
result['prediction_3'] = result['prediction_3'] * 2871.158436
将 DataFrame 以行为单位保存到 CSV 文件中
result.to_csv('三参数预测结果.csv', index=False)

代码中将预测结果分别保存到 CSV 文件的第 1、2、3 列。代码中的 to_csv 方法参数 header=False 表示不保存列名，以便将预测结果以行为单位保存到 CSV 文件中。

总结

本文介绍了使用 Python 加载和使用预训练模型，进行预测并保存结果到 CSV 文件的步骤，希望对您有所帮助。