基于CSV数据集训练的神经网络如何实现第三次考试成绩预测

你需要保证预测阶段的数据预处理逻辑和训练阶段完全对齐，之后调用训练好的模型的predict方法即可完成预测，完整代码如下：

import numpy as np
import pandas as pd
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers, preprocessing

# 你已有的读取测试数据代码
column_names = ['First exam result', 'Second exam result', 'Third exam result', 'Country']
prediction_data = pd.read_csv('testdata.csv', names=column_names, sep=';')

# 1. 测试数据预处理，和训练逻辑保持一致
# 清洗除第三次成绩外的空值行
prediction_data = prediction_data.dropna(subset=['First exam result', 'Second exam result', 'Country'])

# 国家字段转分类编码，和训练时的分类规则完全匹配
prediction_data.Country = pd.Categorical(prediction_data.Country, ['PL', 'ENG'], ordered=True)
prediction_data.Country = prediction_data.Country.cat.codes

# 2. 提取输入特征，和训练时的特征维度、顺序一致
pred_features = prediction_data.copy()
# 删除缺失的第三次成绩列，仅保留输入特征
pred_features.pop('Third exam result')

# 3. 执行预测
predictions = linear_model.predict(pred_features)

# 4. 结果保存（可选）
prediction_data['预测第三次考试成绩'] = predictions
prediction_data.to_csv('预测结果.csv', sep=';', index=False, encoding='utf-8-sig')

注意事项 #

• 若你的测试数据中存在国籍不为PL或ENG的行，转编码后会生成空值，你可以提前过滤这类异常数据，也可以在训练时补充对应国家的分类
• 如果你需要离线复用模型，可以在训练完成后执行linear_model.save('考试成绩预测模型.h5')保存模型，下次使用时直接用tf.keras.models.load_model('考试成绩预测模型.h5')加载即可，无需重复训练

内容的提问来源于stack exchange，提问作者dav1per