tensorflow - 具有时间序列数据的 TensorFlow 模型,具有用于训练和预测的不同输入形状
问题描述
我有一个不错的工作神经网络,主要使用 LSTM、Dropout 和 Dense 层。我通常只将它用于销售预测,但现在我的问题是我想用不同形状的数据集进行训练和预测。
我有几列显示每个渠道的营销支出,以及不同产品的销售额。下面是一张图片,说明了数据集。现在,橙色数据(营销渠道和产品销售)应该是训练数据。当我进行多对多预测时,我可以只预测所有列,就像我有一个仅包含销售额的数据集时所做的那样。
但我已经知道未来的营销支出,因为它已经提前计划好了。现在,为此我可以只使用 pystats(例如 OLS),但 LSTM 非常擅长记住过去的营销支出和销售额。
实际问题:有没有办法在训练和测试数据上使用具有不同输入形状的张量流神经网络?这种情况下的测试数据将是实际的测试数据或已经是实际的未来。或者其他任何可比的模型?不幸的是,我在研究过程中没有找到任何解决方案。
谢谢你的时间。
解决方案
推荐阅读
- r - 用直方图绘制密度
- cookiecutter - 千篇一律:如何根据先前答案的值问一个值?
- azure - 在 ARM 模板中引用 Azure AD 服务主体 ID
- r - R) read_excel() 将字符导入逻辑。如何防止这种情况?
- python - 比较 Python 中的浮点数
- javascript - 加快我在谷歌表格上的谷歌应用脚本功能
- spring-boot - java 代理无法以 jib 为 springboot 应用程序创建的图像启动。[代理库无法初始化:仪器]
- swift - Swift 代表在 2 个地方设置单例
- chemistry - 如何修复 GROMACS 错误“没有这样的分子类型 SOL”?
- parquet - 如何查询 Arrow 数据集的元数据?是否允许行分区?