时间戳

首页 > 解决方案 > LSTM时间序列预测——从低loss开始，准确率不变

python - LSTM时间序列预测——从低loss开始，准确率不变

问题描述

我正在尝试根据过去的值来预测网络流量。我建立了一个 LSTM 网络，并尝试了几个参数，但我总是以同样非常低的准确度（0.108）结束。

scaler = MinMaxScaler(feature_range = (0, 1))
dataset = scaler.fit_transform(dataset)
train_size = int(len(dataset) * 0.67)
test_size = len(dataset) - train_size
train, test = dataset[0:train_size,:], dataset[train_size:len(dataset),:]
print(len(train), len(test))

def create_dataset(dataset, window_size = 1):
    data_X, data_Y = [], []
    for i in range(len(dataset) - window_size - 1):
        a = dataset[i:(i + window_size), 0]
        data_X.append(a)
        data_Y.append(dataset[i + window_size, 0])
    return(np.array(data_X), np.array(data_Y))

window_size = 1
train_X, train_Y = create_dataset(train, window_size)
test_X, test_Y = create_dataset(test, window_size)
print("Original training data shape:")
print(train_X.shape)

# Reshape the input data into appropriate form for Keras.
train_X = np.reshape(train_X, (train_X.shape[0], 1, train_X.shape[1]))
test_X = np.reshape(test_X, (test_X.shape[0], 1, test_X.shape[1]))

model = Sequential()
model.add(LSTM(4, input_shape = (1, window_size)))
model.add(Dense(1))
opt = optimizers.SGD(lr=0.01, momentum=0.9)
model.compile(loss = "mean_squared_error", optimizer = opt, metrics = ['accuracy'])

正如你所看到的，我的损失从一个非常低的值开始，并且我的准确性随着时间的推移而保持不变。我究竟做错了什么？

提前致谢。:)

您可以在此处找到损失和准确度图： 损失 准确度

标签： pythonkerasdeep-learninglstm

解决方案

  1. 尝试随机打乱数据。
  2. 当使用顺序数据时，最好使用 LSTM。尝试用 Dense 层替换 LSTM。或更改您的输入。您需要将一系列过去的值传递给 LSTM，以便它可以预测下一个值。所以，(1,1) 不是一个序列，LSTM 在这里没用。度量精度在这种情况下是没用的，尝试平均绝对误差之类的。

推荐阅读