使用tensorflow和lstm进行多元时间序列回归,实现中存在维度问题

时间:2018-08-17 12:20:45

标签: python tensorflow machine-learning lstm

我的问题是关于张量流实现以预测多个相关时间序列。

让我们假设我有N_in个时间序列,我想对它们或其中的一些做出未来的预测:所以N_out在某些时间步长上输出时间序列。 这比真实的测试案例更多,我的问题实际上不是寻找最佳模型,而是使用简单的lstm进行测试。

在喀拉拉邦很容易,我将使用类似这样的内容:

datadec

我的问题是在多个输出中以纯张量流(例如,我不想使用图层)重现此模型。 我尝试了以下实现,但是预测长度不合适(可变yhat)。 此外,对我来说还不清楚的另一件事是:y输出是否必须生成批处理数据,还是仅考虑y(t)就足够了?

model = Sequential()
model.add(LSTM(hidden_size))
model.add(Dense(n_output))

预先感谢;-)

0 个答案:

没有答案