使用LSTM神经网络进行错误的预测

Question

我是LSTM的新手，我正在尝试训练模型，以预测一年内数据的IP流量。数据集由Kaggle https://www.kaggle.com/crawford/computer-network-traffic提供。

这是建模网络的方式

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个时代之后得到的

蓝色实际值，红色预测。

Answer 1

不幸的是，这个问题没有通用的解决方案，但很明显你的模型不适合数据。

我能建议什么？

• 减少模型中隐藏图层的数量，

• 增加纪元数，

• 将优化程序功能更改/尝试为“sgd”或“RMSprop”，

• 增加批量大小，

• 并添加正则化和退出。

正如我所说，没有通用的解决方案，所以，从上面尝试一下，它可能对你有所帮助。

另外，检查输出图层的激活功能。 +正如建议的那样标准化输入数据。