python-3.x - Keras LSTM 谐波预测
问题描述
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.
解决方案
推荐阅读
- javascript - 使用withStyles导出子组件时如何访问父级中的引用?
- python - Numpy:通过另一个数组的唯一性,任意长度在一个数组中查找对应关系
- php - PHP使用linux从服务器复制文件
- mysql - 将数据库时间戳值与今天的日期进行比较,并在 codeigniter 中获取结果
- spring-boot - SpringBatch - 即使第一步失败也执行下一步
- opengl - textureLod() 返回 0,其中 texelFetch() 返回 1
- php - 我在数组中有多个同名的单选按钮,并且具有与 1 相同的值
- javascript - 如何防止谷歌地图被拖出上下边界?
- actions-on-google - 谷歌帮助中的语音生物识别
- jenkins - Jenkins 可锁定资源 - 锁定而不解锁