machine-learning - LSTM 神经网络的错误预测

Question

我是 LSTM 新手，我正在尝试训练一个模型来预测给定一年数据的 IP 流量。数据集由 Kaggle https://www.kaggle.com/crawford/computer-network-traffic 提供。

这就是网络的建模方式

model = Sequential()
model.add(LSTM(128,input_shape=(trainX.shape[1], trainX.shape[2]),
               activation='relu',return_sequences=True))
model.add(LSTM(32, return_sequences=True))
model.add(LSTM(10))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, epochs=10, batch_size=64, verbose=2)

您可以在我的内核 https://www.kaggle.com/asindico/computer-network-traffic-eda/ 中找到所有详细信息

这是我在 10 个 epoch 后得到的结果

蓝色为实际值，红色为预测值。

Answer 1

不幸的是，这个问题没有通用的解决方案，但很明显您的模型与数据拟合不足。

我有什么建议？

• 减少模型中隐藏层的数量，

• 增加纪元数，

• 将优化器函数更改/尝试为“sgd”或“RMSprop”，

• 增加批量大小，

• 并添加正则化和 dropout。

正如我所说，没有通用的解决方案，因此，尝试上面的方法，它可能会对您有所帮助。

此外，检查输出层的激活函数。 + 按照建议标准化输入数据。