如何使用LSTM对过去和现在的特征进行预测？
如何使用LSTM对过去和现在的特征进行预测？
提问于 2018-03-12 22:23:25
假设我有一个数据框架，如下所示，折扣是从selling price/list price中计算出来的，unit_sales是当天售出的商品数量。
如果我要使用LSTM对第二天的销售额(绿色框中的数据)进行预测，基于过去3天的销售和折扣(红色框中的数据帧)，加上第二天要应用的折扣(紫色框中的数据帧)，我应该如何重塑数据？
这可能真的很容易，如果我不必考虑折扣在当前或未来的步骤，我会只是重塑它(#的样本- 3，3，2)
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-03-13 18:02:17
我会这样做-而不是有一个输入到你的模型，你可以有2:折扣/销售对在过去3天的形状(样本# -3，3，2)，与你的建议，另一个形状(1，对应于当前折扣)。您可以通过LSTM运行前3天，并将当前的折扣与LSTM的输出连接起来。使用functional，它将如下所示：
inp_past=Input((3,2))
lstm=LSTM(32)(inp_past)
inp_now=Input((1,))
concatenation= concatenate([inp_now,lstm])
output=Dense(1)(concatenation这对你有一点帮助吗？
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/49245331
复制相关文章
相似问题
腾讯云开发者
