Keras LSTM合身不足

时间:2019-06-19 13:20:43

标签: python tensorflow machine-learning keras lstm

我有大约5000个数字的时间序列训练数据。对于每100个数字,我试图预测第101个数字。在该系列的最后,我将把预测数字放回模型中,以在时间序列之前进行预测。 enter image description here 所附图表显示了训练数据,测试数据和预测输出。目前,该模型似乎不合适。我想知道应该更改哪些超参数,或者是否需要重新构造输入和输出数据。

我正在使用以下LSTM网络。

model = Sequential()
model.add(LSTM(128, input_shape=([bl,1]), activation='relu', return_sequences=True))
model.add(Dropout(0.1))
model.add(LSTM(128, return_sequences=True))
model.add(Dropout(0.1))
model.add(Flatten())
model.add(Dense(20,activation='relu'))
model.add(Dense(1))

model.compile(optimizer=adam(lr=0.0001), loss='mean_squared_error', metrics=['accuracy'])

model.fit(y_ba_tr_in, y_ba_tr_out,
          epochs=20,
          batch_size=5,shuffle=False,verbose=2)

y_ba_tr_in.shape =(4961,100,1)

y_ba_tr_out.shape =(4961,1)

0 个答案:

没有答案