python - 如何使用 Tensorflow 预测方法预测时间序列的以下值？

Question

我想知道如何在模型训练后预测和获取 future 的时间序列数据。我想在 N 步后获取值。我想知道时间序列数据是否已正确学习和预测。我如何正确执行此操作以获得以下(下一个)值？我想使用 model.predict 获取下一个值或类似。
我有 x_test和 x_test[-1] == t所以，下一个值的含义是 t+1, t+2, .... t+n .在这个例子中 我要获取t+1, t+2 ... t+n
第一的
我尝试使用股票指数数据

inputs = total_data[len(total_data) - forecast - look_back:]
inputs = scaler.transform(inputs)
X_test = []
for i in range(look_back, inputs.shape[0]):
    X_test.append(inputs[i - look_back:i])
X_test = np.array(X_test)
predicted = model.predict(X_test)

但结果如下

来自 X_test[-20:] 的结果以及以下 20 预测看起来一样。 我想知道这是否是训练和预测值的正确方法，以及结果是否正确。
full source
我首先尝试的方法无法正常工作。
第二
我意识到有问题，我尝试使用另一个官方数据，所以我使用了 中的时间序列Tensorflow 教程 练习训练模型。

a = y_val[-look_back:] 
for i in range(N-step prediction): #predict a new value n times.
    tmp = model.predict(a.reshape(-1, look_back, num_feature)) #predicted value     
    a = a[1:] #remove first     
    a = np.append(a, tmp) #insert predicted value

结果以与实际数据非常不同的线性回归形状预测。

输出一个独立于真实数据的线性回归异常:
full source (第 25 行之后是我的代码。)
我真的很好奇 如何使用 Tensorflow 预测方法预测时间序列的以下值
我不知道这在理论上是否有效。我只是想知道如何 使用 predict 方法获得以下 n 个步骤。
感谢您阅读这么长的问题。我就你的无价意见征求意见。

Answer 1

“lstm”通常用于预测 3D 数据 => 目标
哪个输入具有相同的时间帧编号(n , t , f)
“n”表示数据编号 “t”表示帧编号，“f”表示特征编号

您要预测的是一维数据 => 目标
即 (t ,f )
当你有 f = 0 那么你只能使用 F(t) => y
如果你可以估计函数 F 那么你可以得到 y 。 NN 帮不上忙