Question

我是深度学习模型的新手。这是我的第一篇文章，因此，如果您需要其他详细信息，请告诉我。

这是我的方法的一般摘要：

我使用了具有两个时间序列的数据集进行训练
我将它们转换为keras的LSTM / Bi-LSTM层接受的数据集，格式为：
[1，0.99，0.98，0.97] ==输出==> [0.96]
等等。
输入和输出容器（数组）的形状：input（794，5，1）和output（794，）
无错误的培训
预测形状（1、5、1）的数据（窗口）的初始点
预测的输出是一个值，该值将附加到一个单独的列表（用于绘制）以及窗口中，并且该窗口的第一个值会退出。然后将此窗口作为模型的输入，以生成下一个预测点。
继续此操作，直到获得两个模型（LSTM和Bi-LSTM）的整个曲线

但是，预测结果与实际数据甚至还不接近。

通过批量大小和其他参数的一些更改，我仍然能够获得TREND（在这种情况下为向下），但无法获得数据的SHAPE（边缘，中间变化，绝对没有）。

是因为仅使用两个时间序列进行训练吗？我无法确切地找出问题所在。
模型（Bi-LSTM模型使用类似的代码）：

model_lstm = Sequential()
model_lstm.add(LSTM(128, input_shape=(timesteps, 1), return_sequences= True))
model_lstm.add(Dropout(0.1))
model_lstm.add(LSTM(128, return_sequences= True))
model_lstm.add(Dropout(0.1))
model_lstm.add(LSTM(128, return_sequences= False))
model_lstm.add(Dropout(0.1))
model_lstm.add(Dense(1))
model_lstm.compile(loss = 'mean_squared_error', optimizer = optimizers.Adam(0.001))

曲线预测代码：

timesteps = 5
start = cell_to_test[0:timesteps].reshape(1, timesteps, 1)   # Has the initial data points
yhat = 1.0
y_curve_lstm = list(start.flatten())                         # The list for storing the curve points
y_window = start                                             # Window

用于预测单个点直到达到极限的循环：（我正在预测其曲线的像元数据的极限）：

while len(y_curve_lstm) <= len(cell_to_test):
  yhat = model_lstm.predict(y_window)
  yhat = float(yhat)
  y_curve_lstm.append(yhat)
  y_window = list(y_window.flatten())
  y_window.append(yhat)
  y_window.remove(y_window[0])
  y_window = np.array(y_window).reshape(1, timesteps, 1)
  #print(yhat)

平稳的LSTM预测

0 个答案: