InceptionTime

isdkz

要使用InceptionTime程序运行数据，需要将数据集准备成合适的格式并调用fit方法。首先需要将数据集拆分成训练集和验证集，然后将它们都转换成numpy数组的形式。假设训练集和验证集分别为x_train和x_val，对应的标签为y_train和y_val，代码如下：

1. import numpy as np
   
2. 
   
3. # 加载数据集，假设数据集已经处理好并保存在numpy数组中
   
4. data = np.load('data.npy')
   
5. x = data[:, 1:]  # 特征数据
   
6. y = data[:, 0]   # 标签数据
   
7. 
   
8. # 将数据集拆分成训练集和验证集
   
9. val_split = 0.1  # 验证集比例
   
10. val_size = int(len(x) * val_split)
    
11. x_val = x[:val_size]
    
12. y_val = y[:val_size]
    
13. x_train = x[val_size:]
    
14. y_train = y[val_size:]
    
15. 
    
16. # 调用fit方法进行训练
    
17. from Classifier_INCEPTION import Classifier_INCEPTION
    
18. 
    
19. output_directory = 'output/'  # 输出目录
    
20. input_shape = (x_train.shape[1], 1)  # 输入形状
    
21. nb_classes = 8  # 类别数
    
22. 
    
23. classifier = Classifier_INCEPTION(output_directory, input_shape, nb_classes)
    
24. classifier.fit(x_train, y_train, x_val, y_val, y_true=y_val)
    

复制代码

在调用fit方法之前，需要先实例化一个Classifier_INCEPTION对象，并传入输出目录、输入形状和类别数等参数。然后就可以调用fit方法进行训练了。在训练过程中，程序会自动保存最佳模型，并将训练日志保存到输出目录中。训练完成后，可以调用predict方法对测试集进行预测，代码如下：

1. # 加载测试集数据
   
2. x_test = np.load('x_test.npy')
   
3. y_test = np.load('y_test.npy')
   
4. 
   
5. # 调用predict方法进行预测
   
6. df_metrics = classifier.predict(x_test, y_true=y_test)
   
7. print(df_metrics)
   

复制代码

在调用predict方法之前，需要先加载测试集数据，并将其转换成numpy数组的形式。然后就可以调用predict方法进行预测了。predict方法会返回一个DataFrame对象，包含了预测结果的各种指标。