python - 如何使用 Keras GRU 在多参数天气时间序列上实际预测一个参数

Question

在 Keras 书籍 (F. Chollet) 中关于耶拿天气数据集(第 #6 章)的 GRU 架构训练之后，我很难理解预测阶段:

最后一层 - 密集，无激活 - 按预期输出数字流:尺寸:行数 X 1。我猜这些应该是预测，但看起来像是所有 14 个参数的概率。 为什么只对 14 个参数进行一个预测？

问题是输入为 num rows X num cols(14 个参数)，并且预测输出无法 reshape 为 14 列数组 - 例如天气数据集包含的数组。

在耶拿天气时间序列问题中，预测不应该与输入具有相同的列数吗？

如果预测针对所有 14 个参数，并且它们已通过具有一个单元的密集层进行调整 - 那么该预测的“流”应该能够重新整形回 num rows X num cols ？

Answer 1

请引用生成器函数的定义:

samples[j] = data[indices]
targets[j] = data[rows[j] + delay][1]

目标是数据中的第二列，应该是“T (degC)”。因此该模型以摄氏度为单位预测温度。

关于最后一个Dense层，它没有激活函数。所以它只是作为简单的线性回归模型。输出只是前一层多层权重输出的汇总。