python - 如何在python中通过LSTM获得对新数据的预测
问题描述
这是一个单变量时间序列预测问题。如以下代码所示，我将初始数据分为训练数据集（trainX）和测试数据集（testX），然后通过 keras 创建 LSTM 网络。接下来，我通过训练数据集训练模型。但是，当我想得到预测时，我需要知道测试值，所以我的问题是：为什么我必须预测，因为我已经知道这个问题中测试数据集的真实值。我想得到的是未来时间的预测值？如果我对 LSTM 网络有一些误解，请告诉我。
谢谢！
# create and fit the LSTM network
model = Sequential()
model.add(LSTM(4, input_shape=(1, look_back)))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2)
# make predictions
trainPredict = model.predict(trainX)
testPredict = model.predict(testX)
解决方案
由于在训练模型时我们没有未来的价值，我们只是将数据分为训练集和测试集。然后我们只是想象测试集是未来的值。我们使用训练集（通常也是验证集）训练我们的模型。在我们的模型经过训练后，我们使用测试集对其进行测试，以检查我们的模型性能。