python-3.x - Keras LSTM 谐波预测

Question

我正在玩keras + TF。我有一个由 4 个 LSTM 层 + 2 个密集层组成的模型。

我有 3 个特征，即 3 个 sin 序列和一个目标，即 3 个 sin 序列的乘积。

LSTM 层配置有 30 个积压时间步长。

我用 80% 的特征训练 RNN，然后我要求它预测学习数据（占总数据的 80%），我获得了非常好的预测。

接下来，我继续将最后 20% 的数据分成 10 个子部分并在 predict(part_x[0])、fit(part_y[0])、predict(part_x[1])、fit(part_y[1] 中循环)...但是预测的质量急剧下降。

期望 predict(x[i])/fit(x[i],y[i]) 循环应该为每个 x[i+1] 块产生一个不错的结果是正确的吗？

还有一个问题：是否可以训练具有 4 个特征的 RNN 并使用 3 个特征进行预测？如果是，我如何在预测阶段“屏蔽”不可用的功能？

TIA 罗伯托 C.

标签： python-3.xkeraslstm