python - LSTM 混淆中的时间步长

Question

我正在通过实验学习深度学习，LSTM。我对在 LSTM 上使用时间维度确实有些困惑。我很清楚输入形状是这样的（数据点的数量、时间步长、特征的数量）。但是仍然没有看到对模型的良好学习，这让我重新思考时间作为一个维度。

让我以下面数据集中的天气数据为例，我希望在其中预测第二天的平均温度。

让我们有一个滑动窗口，向第 6 天的平均温度输入 5 天的 6 个特征，如下所示：

所以 X 和 y 将是：

X

array([[[ 8. , 24.3,  0. ,  3.4,  6.3, 30. ],
    [14. , 26.9,  3.6,  4.4,  9.7, 39. ],
    [13.7, 23.4,  3.6,  5.8,  3.3, 85. ],
    [13.3, 15.5, 39.8,  7.2,  9.1, 54. ],
    [ 7.6, 16.1,  2.8,  5.6, 10.6, 50. ]],

   [[14. , 26.9,  3.6,  4.4,  9.7, 39. ],
    [13.7, 23.4,  3.6,  5.8,  3.3, 85. ],
    [13.3, 15.5, 39.8,  7.2,  9.1, 54. ],
    [ 7.6, 16.1,  2.8,  5.6, 10.6, 50. ],
    [ 6.2, 16.9,  0. ,  5.8,  8.2, 44. ]],

   [[13.7, 23.4,  3.6,  5.8,  3.3, 85. ],
    [13.3, 15.5, 39.8,  7.2,  9.1, 54. ],
    [ 7.6, 16.1,  2.8,  5.6, 10.6, 50. ],
    [ 6.2, 16.9,  0. ,  5.8,  8.2, 44. ],
    [ 6.1, 18.2,  0.2,  4.2,  8.4, 43. ]]])

是的

array([11.55, 12.15, 12.65])

但是，以上都没有表现出好的学习！请分享您在我的方法中看到的错误。

标签： pythontensorflowdeep-learning