小编Dan*_*nyK的帖子

我试图“检测”一个系列中速度的突然下降，但我不知道如何捕捉它。详细信息和代码如下：

这是我所拥有的系列片段以及用于生成它的代码：

velocity_df.velocity.car1

Index   velocity
200     17.9941
201     17.9941
202     18.4031
203     18.4031

这是整个系列的情节

我试图检测从 220 到 230-40 的突然下降，并将其保存为如下所示的系列：

Index   velocity
220      14.927
221      14.927
222      14.927
223      14.927
224      14.518
225      14.518
226     16.1538
227     12.2687
228     9.20155
229     6.33885
230     4.49854

我只是想在速度突然下降时捕捉一个大概的范围，以便使用其他功能。

如果我可以添加任何其他信息，请告诉我。谢谢！

我正在尝试使用 Tensorflow/Keras 练习我的机器学习技能，但是我在拟合模型方面遇到了麻烦。让我解释一下我做了什么以及我在哪里。

我正在使用来自 Kaggle 的哥斯达黎加家庭贫困水平预测挑战的数据集

由于我只是想熟悉 Tensorflow 工作流程，因此我通过删除一些包含大量缺失数据的列来清理数据集，然后用它们的平均值填充其他列。所以我的数据集中没有缺失值。

接下来，我make_csv_dataset从 TF中使用 using 加载了新的、清理过的 csv 。

batch_size = 32

train_dataset = tf.data.experimental.make_csv_dataset(
    'clean_train.csv',
    batch_size,
    column_names=column_names,
    label_name=label_name,
    num_epochs=1)

我设置了一个函数来返回我编译的模型，如下所示：

f1_macro = tfa.metrics.F1Score(num_classes=4, average='macro')

def get_compiled_model():
    model = tf.keras.Sequential([
      tf.keras.layers.Dense(512, activation=tf.nn.relu, input_shape=(137,)),  # input shape required
      tf.keras.layers.Dense(256, activation=tf.nn.relu),
      tf.keras.layers.Dense(4, activation=tf.nn.softmax)
    ])

    model.compile(optimizer='adam',
                loss='binary_crossentropy',
                metrics=[f1_macro, 'accuracy'])
    return model

model = get_compiled_model()
model.fit(train_dataset, epochs=15)

下面是结果

我的笔记本的链接在这里

我应该提到，我的实现强烈基于 Tensorflow 的 iris 数据演练

谢谢！