python - Keras - 时间序列的 LSTM 怎么能如此准确?
问题描述
所以我开始测试 LSTM 的时间序列预测,我发现了一些不同的笔记本可以用于我自己的数据(这里是一个例子)
它们的共同点是,它们预测未来的一个时间步长,并且在匹配测试数据方面做得非常好。我尝试在其中强制一个异常值,并且预测几乎完全匹配它:
这里发生了什么?模型无法从数据的模式中学习到这一点,因为它是一个组成点,但假设通过查看之前的时间步骤,该模型会“知道”接下来会出现异常值吗?我一定遗漏了一些东西,因为它可以预测带有异常值的数据以及没有异常值的数据......
解决方案
推荐阅读
- javascript - 我无法让我的地图打印是函数之外的值
- javascript - javascript中带有if else条件的函数永远返回true
- r - 循环遍历向量只更新第一项
- python - 如何修复此正则表达式以匹配 Json 中的对象并将其替换为对象列表
- angular - 错误类型错误:“_co.category.category_type 未定义”
- excel - 如何在工作表代码的范围内查找值
- sql - SQL 检索具有特殊字符的字符串
- javascript - 如何解析 moment.js 日期对象
- vb.net - 如何将数据从并行数组传输到文本框?
- swift - 如何在有顺序的循环中使用 DispatchGroup?