Question

我正在尝试根据过去的值预测网络流量。我建立了一个LSTM网络，并尝试了几个参数，但是最终总是得到同样低的精度（0.108）。

scaler = MinMaxScaler(feature_range = (0, 1))
dataset = scaler.fit_transform(dataset)
train_size = int(len(dataset) * 0.67)
test_size = len(dataset) - train_size
train, test = dataset[0:train_size,:], dataset[train_size:len(dataset),:]
print(len(train), len(test))

def create_dataset(dataset, window_size = 1):
    data_X, data_Y = [], []
    for i in range(len(dataset) - window_size - 1):
        a = dataset[i:(i + window_size), 0]
        data_X.append(a)
        data_Y.append(dataset[i + window_size, 0])
    return(np.array(data_X), np.array(data_Y))

window_size = 1
train_X, train_Y = create_dataset(train, window_size)
test_X, test_Y = create_dataset(test, window_size)
print("Original training data shape:")
print(train_X.shape)

# Reshape the input data into appropriate form for Keras.
train_X = np.reshape(train_X, (train_X.shape[0], 1, train_X.shape[1]))
test_X = np.reshape(test_X, (test_X.shape[0], 1, test_X.shape[1]))

model = Sequential()
model.add(LSTM(4, input_shape = (1, window_size)))
model.add(Dense(1))
opt = optimizers.SGD(lr=0.01, momentum=0.9)
model.compile(loss = "mean_squared_error", optimizer = opt, metrics = ['accuracy'])

如您所见，我的损失从相当低的值开始，并且我的准确性随着时间的推移而保持不变。我在做什么错了？

先谢谢了。：）

您可以在此处找到损耗和精度图： loss accuracy

Answer 1

如果(13942, 1, 1)是您的整个数据集，那么它对于深度学习来说太小了；您最好使用“浅”方法，例如支持向量机（SVM）。或者，考虑我的答案here。

编辑：我刚刚注意到您使用了accuracy指标；回归的准确性是不确定的-我很惊讶没有抛出错误。如果它使用prediction==true来计算精度，那么您很幸运，您的精度不为0。基于损失，您的模型似乎运行得很好；要仔细检查，请绘制predictions与true并进行比较。（通常，mse < .3很好，mse < .1很好）

Answer 2

尝试随机整理数据。

LSTM时间序列预测-从低损耗开始，并且精度不变

2 个答案: