多特征多步时间序列预测

时间:2018-04-09 06:45:50

标签: python machine-learning keras time-series

因此,我处于机器学习的初级阶段,我想预测多个时间序列样本。 时间序列包含每15分钟的样本,我必须预测接下来3天的样本。所以将来大约有288个样本。

我的时间序列还有其他分类功能,所以我根据this回答实现了一个模型。

我读到了seq2seq时间序列预测的编码器 - 解码器。但是对于如何实现它并将其与多个分类特征结合起来并不了解。

  1. 我是否按照这个答案走向了正确的方向?
  2. LSTM是否能正常工作,即使对于大尺寸的Y(在我的情况下,将来288个步骤)。
  3. 我将最近7天的样本视为X,因此我对lstm的输入形状是(没有样本,672,1)。可以吗?
  4. 我应该选择编码器解码器吗?如果是,那么任何人都可以请我提供更多见解,也许是一个很好的教程。
  5. 提前致谢。

1 个答案:

答案 0 :(得分:2)

  1. 取决于您拥有的数据量以及您的问题的可学习程度。
  2. 您使用的数据越多越好。
  3. 编码器 - 解码器架构只是“前馈隐藏的LSTM状态”的一个奇特名称。我不明白为什么你需要在你的情况下使用它。