我对深度学习非常陌生，因此研究了如何使用Keras解决时间序列问题。但是，这些完全不同。 让我解释一下PYTHON中的问题： 随附的enter image description here有一个数据框：行代表美国每个城市（行=样本），每列代表1985-2018年之间的时间序列，显示每年的平均温度（列=每年的平均温度）-因此，时间序列的年份是一个单独的功能列。
现在的任务是预测每个城市的2019、2020、2021、2022年气温。
为此，我想应用滚动窗口技术。
1）现在，要在Python Keras中应用简单RNN，我将如何构造输入和输出尺寸？ X_train是否需要为X.shape =（city，time_steps，features）或实际上是4个维度：（number_of_batches，time_steps，features * cities）？
特别是，我如何构建用于预测每个城市每年的模型？
我没有这个问题。 非常感谢您的协助！
enter code here
答案 0 :(得分：0)
首先，您必须正确定义问题，即输入，输出和功能。 关于第一个问题，Keras 3d输入形状定义为（batch_size，时间步长，特征），其中batch_size是模型在反向传播之前看到的观察数（您将不得不优化此超参数），时间步长是a的长度。在您的数据中排序。根据您的情况，您可以使用1.功能是您正在使用的功能数量。根据您显示的数据图像，我假设您只是将城市的温度用作特征。
在转置数据表时，这变得更加直观。因此，您输入的形状可能是Xshape =（10，1，6）。
对于第二个问题，我建议您遵循this website上许多令人敬畏的时间序列预测之一。