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。 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)