Question

每6分钟我每分钟都会从机器上记录一次信号。即机器的信号长度为6 * 60 = 360。我的客户已经为每个机器记录了一个月的信号。换句话说，每台机器在28天中有360个长度信号。我的数据集中有大约2000台计算机的数据。

如果您想了解我的数据集的外观，我在下面提到了它的快速概述（注意：如问题所述，每天每个信号的长度为360长度）。

machine_num, day1, day2, ..., day28
m1, [12, 10, 5, 6, ...], [78, 85, 32, 12, ...], ..., [12, 12, 12, 12, ...]
m2, [2, 0, 5, 6, ...], [8, 5, 32, 12, ...], ..., [1, 1, 12, 12, ...]
...
m2000, [1, 1, 5, 6, ...], [79, 86, 3, 1, ...], ..., [1, 1, 12, 12, ...]

我的客户希望使用一个模型来预测接下来3天中每台机器的信号序列。即在第29天，第30天，第31天。换句话说，模型应该学习从第1天到第29天的序列，并预测接下来的三个序列。

因此，我开始搜索深度学习模型，并发现了似乎适合我的问题的模型Seq2Seq。

我当前的代码如下。

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, RepeatVector, Dense, TimeDistributed
from tensorflow.keras.activations import elu  
hidden_size = 50
seq2seq = Sequential([
    LSTM(hidden_size, input_shape = (input_sequence_length, no_vars)),
    RepeatVector(prediction_length), 
    LSTM(hidden_size, return_sequences = True), 
    Dense(hidden_size, activation = elu)
    TimeDistributed(Dense(1, activation = elu))
])

但是，由于我在深度学习方面的知识有限，所以我不确定我在做什么。而且，我没有day_29，day_30和day_31的数据。因此，我也想知道如何进行培训？我对这个问题非常困惑，因为我不清楚如何进行。

很高兴在需要时提供更多详细信息。

编辑：

由于我没有day_29，day_30和day_31的训练数据，因此LSTM似乎是解决我问题的潜在模型。我想知道@ESDARII的过程是LSTM中的内置函数，还是我们必须在keras中从头开始编写它。如果您有其他建议，请告诉我。

Answer 1

您的网络不应该真正是seq2seq网络。

我建议使用简单的RNN或LSTM，其工作方式如下：

它获取从1到J-1的几天的所有信号，并预测第J天的信号，例如：

如果第一步是获取第1天的信号并要求预测第2天的信号，则下一步获取第1天，第2天的信号并要求预测第3天的信号，依此类推，因此当您达到在第28天，网络将收到所有信号，直到28天，并要求预测第29天的信号，依此类推。

这样，您可以克服以下事实：在第29天，第30天和第31天没有值。因为在给定J-1天之前的信号的情况下，您的网络将非常擅长预测J天的信号。

如何制作用于序列预测的LSTM模型

编辑：

1 个答案: