keras - 使用 LSTM 根据不同的年度目标数据预测每周结果
问题描述
使用每周的天气数据,我试图使用 python/keras 来预测全年的目标值是多少。但每年的数据是基于天气的,而年末的单一标记目标数据是小麦产量。
所以我想说的是,在第 10 周,天气已经非常寒冷了 3 周,因此本季末的预期产量将低于预期。我可能将 20 个天气变量拆分并汇总为每个天气变量的每周特征。例如,我有 ave_temp_week1、ave_temp_week2 30 周,还有 avg_precip_week1、avg_precip_week2 等,总共有大约 1000 个特征。还有一个 yield_trend 功能可以显示我拥有的六年数据的趋势。我有几十万个产量观察结果,如果需要,可以按县汇总。
一个问题是:这是一个应该按年份拆分的 LSTM 时间序列问题吗?(训练 = 2013-2018 和测试 = 2109)或者这是一个可以随机拆分的 LSTM 顺序问题(训练/测试 = 80/20)。
第二个问题是最重要的:在这两种情况下,LSTM 输入的形状会是什么样子?
(这是我的第一个堆栈溢出问题,如果我做了不恰当的事情,请道歉)。
解决方案
我想这个问题也可以通过创建一个常规的 Sequential 模型来解决。如果您根据周(例如一年中的 1 到 52)拆分数据,请根据周值创建特征列,即第 1,52 周的平均值、标准差、最大值、最小值。然后,您可以按任意随机值进行拆分,并确保这些新特征作为您的 NN 模型的输入。
推荐阅读
- database - 如何删除MongoDB中聚合查询返回的文档
- php - 从 laravel6 和 angular 8 中的orgin访问XXX处的XMLHttpRequest
- java - 在 Android 中分别选择两个图像
- java - 共享可变状态有什么问题?
- c# - 使用 PublicClientApplication 获取身份验证令牌时无法使用公司帐户登录
- python - 原始异常文本是:“int”对象没有属性“产品”
- spring - 初始化 SpringBoot 应用程序时出错。我有一个 SpringBoot 应用程序。2.1.5.RELEASE 使用Kakfa
- python - promt之前如何监控孩子的输出?
- airflow - 气流不运行任务
- c++ - memcpy 是否取决于源指针和目标指针的类型?