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！

标签： pythontensorflowtime-seriestensorflow2.0recurrent-neural-network

python - 不使用多个标签的时间序列预测

问题描述

解决方案

推荐阅读