假设我从足球比赛中收集了具有六个特征的一分钟数据样本。 1500 场比赛来训练和测试模型。
我已经实现了 LSTM 模型来进行多特征预测。我用滞后 5 训练/测试了模型,得到了 91% 的分数。即对第 6 分钟进行预测。
我的问题是,仅给出第一分钟的数据,是否可以预测比赛剩余89分钟的情况? (当然,我将设计一个输入形状(1,6)和输出形状(89,6)的新模型
所以我的 input_shape=(1,1,6) 总是看起来 [[0,0,a,b,0,0]],其中 a 和 b 是唯一的,并且对于每场比赛都是预先确定的。
预期输出的形状=(89,6)。
我非常感谢任何建议。
最佳答案
是的,可以这样做,所使用的方法将是称为“采样小说序列”的方法的轻微变化,并且它遵循此模型
基本上发生的事情是,您使用第一分钟来预测第二分钟,而不是随机生成它,并使用生成的结果作为下一步的输入,因此您继续,记住,这仅用于采样/预测阶段而不是生成步骤,我从 Andrew ng 的深度学习类(class)中学到了这个 links to the video for same.
我相信您可以相应地处理形状和尺寸。 如果您有任何疑问或困难,请在下面评论。
图片来源:medium.com
关于machine-learning - 使用单个时间信号输入的 LSTM 多步预测,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54457956/