python(tensorflow)のニューラルネットワークにてテストデータの出力が０になってします

Question

実現したいこと

テストデータの値を正確に出力したい

発生している問題・分からないこと

tensorflowにてニューラルネットワークに取り組んでいるのですが、テストデータの値が０と出力されてしまいます。
この理由が、例えば0.3531など少数以下に値はあるが、出力方法が間違っているために整数で0と出力されてしまうのか、
また、そもそもコードが間違っており、学習ができていないために０と出力されるのかが分かりません

該当のソースコード

import keras
from keras.layers import Activation, Dense, Dropout
from keras.models import Sequential
from sklearn.preprocessing import MinMaxScaler
from tensorflow.keras.callbacks import EarlyStopping
from tensorflow.keras.optimizers import Adam
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

#学習データ
data = pd.DataFrame(
    [
        #No.1
        [9.0, 2701, 1477, 2000, 1475, 0.4018],

        #No.2
        [8.4,1675,773,2000,1364,0.2888],
        #No.3
        [6.6,7777,54,2000,1176,0.1017],

        #No.4
        [7.3,9686,178,1521,2000,0.1556],

        #No.5
        [7.1,3089,1840,2000,1188,0.0491],

        #No.6
        [7.8,9441,205,1322,2000,0.2298],

        #No.7
        [6.5,4763,1242,1588,2000,0.0790],

        #No.8
        [8.9,6498,1865,1943,2000,0.3776],

        #No.9
        [8.0,2489,568,1658,2000,0.2597],

        #No.10
        [6.0,7839,823,1310,2000,0.0766],

        #No.11
        [9.0,7941,1004,1720,2000,0.4532],

        #No.12
        [7.5,1452,698,2000,219,0.1003],

        #No.13
        [6.9,6007,1246,2000,257,0.0373],

        #No.14
        [8.7,8671,1744,1999,2000,0.3207],

        #No.15
        [8.1,86554,951,2000,26,0.1521],

        #No.16
        [7.0,81375,985,1400,2000,0.0912],

        #No.17
        [8.6,32889,1274,2000,623,0.2294],

        #No.18
        [9.0,48790,1446,2000,1987,0.4439],

        #No.19
        [7.3,59028,817,832,2000,0.1194],

        #No.20
        [7.9,68181,1512,1608,2000,0.1954],

        #No.21
        [6.1,93928,401,1395,2000,0.0890],

        #No.22
        [6.2,85892,6,81,2000,0.0626],

        #No.23
        [7.9,72570,1095,2000,81,0.1240],

        #No.24
        [9.0,86521,1392,1488,2000,0.4348],

        #No.25
        [6.9,34140,1716,2000,779,0.0370],

        #No.26
        [8.7,42481,875,2000,1923,0.4056],

        #No.27
        [6.5,12369,1715,1897,2000,0.0730],

        #No.28
        [8.7,22112,264,1876,2000,0.4341],

        #No.29
        [8.4,15363,58,2000,39,0.2479],

        #No.30
        [6.3,15165,195,955,2000,0.0884],

        #No.31
        [7.3,68657,1864,1978,2000,0.0797],

        #No.32
        [9.0,96352,15,1835,2000,0.4341],

        #No.33
        [6.7,735959,331,387,2000,0.0619],

        #No.34
        [9.0,531601,555,2000,1733,0.2679],

        #No.35
        [7.9,852996,612,2000,589,0.1109],

        #No.36
        [8.9,415339,1507,1586,2000,0.2668],

        #No.37
        [8.4,499514,1756,1820,2000,0.1504],

        #No.38
        [6.4,973579,122,2000,1941,0.0892],

        #No.39
        [6.1,436622,1704,2000,1388,0.0436],

        #No.40
        [9.0,360412,864,2000,594,0.2271],

        #No.41
        [8.5,646469,73,828,2000,0.1500],

        #No.42
        [7.2,908067,1790,1820,2000,0.0688],

        #No.43
        [7.3,977526,1662,2000,1013,0.0427],

        #No.44
        [6.5,130665,904,1112,2000,0.0719],

        #No.45
        [9.0,144155,1088,2000,1069,0.3495],

        #No.46
        [7.6,229788,150,2000,1730,0.1563],

        #No.47
        [7.8,645105,84,2000,870,0.1276],

        #No.48
        [6.9,500021,995,1109,2000,0.0735],

        #No.49
        [8.5,294460,690,2000,1748,0.2675],

    ],
    columns = ['M','t','X1','X2','Y2','uSv/y']
)
df = pd.DataFrame(data)

#説明変数
in_data = df.iloc[:, 0:5]

#目的変数
out_data = df['uSv/y']

#正規化
scaler = MinMaxScaler()
in_data = pd.DataFrame(scaler.fit_transform(in_data))
print(in_data)

#ndarrayに変換
in_data=np.array(in_data)
out_data=np.array(out_data)

#モデルの生成
model = keras.models.Sequential()
model.add(Dense(units = 64,input_dim=(5)))
model.add(Activation('relu'))
model.add(Dense(units = 64 ))
model.add(Activation('relu'))
model.add(Dense(1))


#モデルのコンパイル
model.compile(
    loss = 'mse',
    optimizer = 'adam',
    metrics = ['mae'])

#Earlystopping
ealy_stop = EarlyStopping(monitor='val_loss',patience=30)

#学習
history = model.fit(in_data, out_data, epochs=1000,validation_split=0.2,
                    callbacks=[ealy_stop])

#テストデータ
test_data = np.array(
        [
                #No.50
                [7.0,5647,1000,1266,2000],
                [6.3,75894,539,1111,2000],
                [8.5,142747,1788,2000,242],
                [6.8,16474,539,1266,1600],
                [9.0,174947,539,1266,2000],
                [7.7,75947,539,1266,2000]
        ]
)

#正規化
scaler = MinMaxScaler()
test_data = pd.DataFrame(scaler.fit_transform(test_data))
print(test_data)

#予測
result = np.argmax(model.predict(test_data) ,axis=1)

#予測結果の出力
print(result)

#正解の出力
print(out_data)

試したこと・調べたこと

• teratailやGoogle等で検索した
• ソースコードを自分なりに変更した
• 知人に聞いた
• その他

上記の詳細・結果

np.set_printoptions(precision=3)
print(out_data)
を試してみましたが変わらず０でした

補足

特になし

Comments

[tottatoato]

先週はじめたレベルなのでまだ、右も左も分からない状態ですが、よろしくお願いいたします。

[8524ba23]

https://teratail.com/help/question-tips#questionTips11
https://teratail.com/help/question-tips#questionTips12
https://teratail.com/help/question-tips#questionTips2
https://teratail.com/help/question-tips
は読みましたか？
読んだ結果を本文に反映ください。解決のヒントを探れるかもしれません。

Answer 1

np.argmaxは「何番目の要素が最大か?」を返す関数です。

>>> import numpy as np
>>> np.argmax([1,3,5,3,2])
2

>>> np.argmax([1,2,3,5,4])
3

2次元構造のデータにaxis=1にすると各要素の中で何番目の要素が最大か? が返ってきます。

>>> np.argmax([[0,1,2],[3,4,1],[5,1,2],[4,2,1],[1,2,5]], axis=1)
array([2, 1, 0, 0, 2])

今のコードで、欲しい結果がスカラーで最終層がDense(1)なのですべての要素数は1個ですね。
argmaxしたらすべて0になります。（最大の要素は0番目に決まってますから）

>>> np.argmax([[1],[2],[3],[5],[4]], axis=1)
array([0, 0, 0, 0, 0])

まずは

#予測
result = model.predict(test_data)

#予測結果の出力
print(result)

を眺めてみるといいのではないでしょうか。

Comments

[tottatoato]

回答ありがとうございます。
試したところ問題が解決しました！
ベストアンサーに選ばせていただきました。
助かりました、ありがとうございます！！