machine-learning - 使用单个时间信号输入的 LSTM 多步预测

Question

假设我从足球比赛中收集了具有六个特征的一分钟数据样本。 1500 场比赛来训练和测试模型。

我已经实现了 LSTM 模型来进行多特征预测。我用滞后 5 训练/测试了模型，得到了 91% 的分数。即对第 6 分钟进行预测。

我的问题是，仅给出第一分钟的数据，是否可以预测比赛剩余89分钟的情况？ (当然，我将设计一个输入形状(1,6)和输出形状(89,6)的新模型

所以我的 input_shape=(1,1,6) 总是看起来 [[0,0,a,b,0,0]]，其中 a 和 b 是唯一的，并且对于每场比赛都是预先确定的。

预期输出的形状=(89,6)。

我非常感谢任何建议。

Answer 1

是的，可以这样做，所使用的方法将是称为“采样小说序列”的方法的轻微变化，并且它遵循此模型

基本上发生的事情是，您使用第一分钟来预测第二分钟，而不是随机生成它，并使用生成的结果作为下一步的输入，因此您继续，记住，这仅用于采样/预测阶段而不是生成步骤，我从 Andrew ng 的深度学习类(class)中学到了这个 links to the video for same.

我相信您可以相应地处理形状和尺寸。如果您有任何疑问或困难，请在下面评论。

图片来源:medium.com