python - 不使用多个标签的时间序列预测
问题描述
抱歉,我是 tensorflow 的新手,问题可能过于笼统,但我无法找到解决以下问题的方法:
我正在改编TensorFlow 的时间序列预测教程,但对我来说,有必要有一个单步模型来预测下一个时间步的标签,而不使用它们的真实数据。例如:预测 T=10 时的 T(degC),T=9 时的特征和 T=9 时的 T(degC) 预测。我认为像循环神经网络这样的模型应该这样做,但为什么平均绝对误差没有像我预期的那样随着时间的推移而增加?因此我猜它是使用 T=9 的“真实数据”T(degC) 来预测 T=10。我怎样才能改变它并从数据集中拆分标签,只使用其他特征和以前的预测。我不希望您为我编写代码,但我猜想有针对此类问题的教程/此类模型的名称。我只是找不到,请帮助我找到正确的方向。谢谢!
解决方案
推荐阅读
- python - 传递多个字典观察以发挥作用?
- python - Kivy:如何从自定义 BoxLayout 显示 ScrollView?
- html - 拉伸一个元素以填充其容器的其余部分,同时推动以下元素进行包装?
- mysql - Netbeans MySQL连接:服务器属性错误
- c# - 使用 linq 或普通 c# 填充给定的对象结构
- ios - 如何在自定义单元格中同步选择文本视图的事件?
- javascript - 如何使用参数创建对象的属性,而不必对每个对象进行相等
- python - “错误的身份验证失败。” 在python中连接到mongodb atlas时出错
- java - getDefaultToolkit() 对工具包具有私有访问权限
- c# - 从 C# 库项目中访问不记名令牌