machine-learning - 时间序列的 LSTM

Question

我正在尝试使用 LSTM 构建预测模型；使用系列“数据”简要预测“目标”。经过几个时期后，它正确地拟合了数据。作为初学者，什么样的数据集 (尺寸)我必须要饲料 网带，为了给我进一步的预测？

我的目标是预测 +1 步，给定整个过去的时间序列，我该如何实现它？

最终，当我 reshape “数据”和“目标”时，第二个 1 代表什么？

print(df.head)
0            7        20
1            0         0
2            0         0
3            0         0
4            0         0
...

data = df[:,0]
target = df[:, 1 ]

data = data.reshape((1, 1, int(len(df)))) 
target = target.reshape((1 ,1, int(len(df)))) 
#We Define The Model
import random
random.seed(1)

model = Sequential()  
model.add(LSTM(int(len(df)), input_shape=(1, int(len(df))), return_sequences=True))
model.add(Dense(int(len(df))))

model.add(LSTM(int(len(df)), input_shape=(1, int(len(df))), return_sequences=True))
model.add(Dense(int(len(df))))

model.compile(loss='mean_absolute_error', optimizer='Adam',metrics=['accuracy'])

model.fit(data, target, nb_epoch=100, batch_size=1, verbose=2, validation_data = (data, target))

predict = model.predict(data)

Answer 1

我认为您正在使用 Keras 开发您的 LSTM 模型。我建议您查看以下链接(如下)，以更仔细地了解为什么需要 reshape 数据。在示例中，您的数据框的尺寸与教程使用的尺寸相同。

https://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/