相关疑难解决方法(0)
多元 LSTM 预测损失和评估
我有一个带有双向 LSTMS 的 CNN-RNN 模型架构，用于时间序列回归问题。我的损失没有收敛超过 50 个时期。每个 epoch 有 20k 个样本。损失在0.001 - 0.01之间不断反弹。
batch_size=1
epochs = 50
model.compile(loss='mean_squared_error', optimizer='adam')
trainingHistory=model.fit(trainX,trainY,epochs=epochs,batch_size=batch_size,shuffle=False)
- 我尝试使用错误配对的 X 和 Y 数据训练模型，其损失保持在0.5左右，我的 X 和 Y 具有非线性关系的合理结论是否可以由我的模型在更多时期学习？
- 我的模型的预测捕获了模式，但有一个偏移量，我使用动态时间扭曲距离来手动检查预测的准确性，有没有更好的方法？
模型 ：
model = Sequential()
model.add(LSTM(units=128, dropout=0.05, recurrent_dropout=0.35, return_sequences=True, batch_input_shape=(batch_size,featureSteps,input_dim)))
model.add(LSTM(units=32, dropout=0.05, recurrent_dropout=0.35, return_sequences=False))
model.add(Dense(units=2, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer=opt, metrics=['accuracy'])
3
推荐指数
推荐指数
1
解决办法
解决办法
1331
查看次数
查看次数
如何处理keras中多变量LSTM的多步时间序列预测
我正在尝试使用Keras中的多变量LSTM进行多步时间序列预测.具体来说,我最初每个时间步有两个变量(var1和var2).在这里遵循在线教程后,我决定在时间(t-2)和(t-1)使用数据来预测时间步t的var2的值.如示例数据表所示,我使用前4列作为输入,Y作为输出.我可以在这里看到我开发的代码,但我有三个问题.
var1(t-2) var2(t-2) var1(t-1) var2(t-1) var2(t)
2 1.5 -0.8 0.9 -0.5 -0.2
3 0.9 -0.5 -0.1 -0.2 0.2
4 -0.1 -0.2 -0.3 0.2 0.4
5 -0.3 0.2 -0.7 0.4 0.6
6 -0.7 0.4 0.2 0.6 0.7
- 问题1:我已经使用上述数据训练了LSTM模型.该模型在预测时间步t的var2值方面表现良好.但是,如果我想在时间步t + 1预测var2,该怎么办？我觉得很难,因为模型不能告诉我var1在时间步t的值.如果我想这样做,我应该如何修改代码来构建模型？
- Q2:我已经看到这个问题了很多,但我仍然感到困惑.在我的例子中,[样本,时间步长,特征] 1或2中的正确时间步长应该是多少？
- Q3:我刚开始学习LSTM.我在这里读到LSTM最大的优点之一就是它自己学习了时间依赖性/滑动窗口大小,为什么我们必须总是将时间序列数据转换成如上表所示的格式？
更新:LSTM结果(蓝线是训练序列,橙线是基础事实,绿色是预测)
3
推荐指数
推荐指数
1
解决办法
解决办法
7118
查看次数
查看次数