在测试MLP和LSTM时更改RMSE值
，RMSE（Root Mean Square Error）是一种衡量预测模型误差的指标，用于评估模型的准确性。MLP（Multi-Layer Perceptron）和LSTM（Long Short-Term Memory）都是常见的机器学习模型。
当我们在测试MLP和LSTM时，想要更改RMSE值，可以采取以下几种方法：
- 调整模型参数：可以尝试调整MLP和LSTM模型的超参数，如隐藏层的神经元数量、学习率、迭代次数等。不同的参数设置可能会对模型的性能和RMSE值产生影响。
- 特征工程：在机器学习中，特征工程是指对原始数据进行预处理和转换，以提取更有用的特征。通过选择合适的特征、进行特征组合或变换，可以改善模型的性能和降低RMSE值。
- 数据清洗和预处理：对于输入数据，进行数据清洗和预处理是非常重要的。可以通过去除异常值、处理缺失数据、标准化或归一化数据等方式，提高模型的鲁棒性和准确性，从而改变RMSE值。
- 模型集成：将多个MLP和LSTM模型进行集成，可以通过投票、平均等方式得到最终的预测结果。模型集成可以减少模型的方差，提高模型的泛化能力，从而对RMSE值产生影响。
- 数据增强：对于训练数据进行增强，可以通过旋转、翻转、缩放等方式生成更多的训练样本。增加训练数据量可以提高模型的泛化能力，从而对RMSE值产生影响。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 腾讯云人工智能开发平台（https://cloud.tencent.com/product/tai）
- 腾讯云数据处理平台（https://cloud.tencent.com/product/dp）
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）
- 腾讯云数据库（https://cloud.tencent.com/product/cdb）
- 腾讯云存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链（https://cloud.tencent.com/product/baas）
- 腾讯云物联网平台（https://cloud.tencent.com/product/iot）
- 腾讯云移动开发平台（https://cloud.tencent.com/product/mpp）
- 腾讯云音视频处理（https://cloud.tencent.com/product/vod）
- 腾讯云网络安全（https://cloud.tencent.com/product/saf）
- 腾讯云云原生应用引擎（https://cloud.tencent.com/product/tke）
- 腾讯云元宇宙（https://cloud.tencent.com/product/mu）
相关·内容
1回答
当在相同的样本和模型上反复测试时，我的MLP和LSTM模型中的RMSE值似乎发生了变化。我找到了这个question，其中添加一个随机状态解决了这个问题。有没有什么我也可以做的？ 在这里分享我的MLP代码： model = Sequential()
model.add(Dense(5, input_dim = 10))
model.add(Dense(12, activation='tanh'))
model.add(Dense(1))
opt = optimizers.Adam(learning_rate=0.01)
model.compile(optimizer=opt
浏览 17提问于2021-04-18得票数 0
回答已采纳
我有以下代码，我想将所有的指标和分数与模型一起，并将其组合到一个数据帧中。下面的代码只是一个示例，我希望将其他9个模型组合在一起，形成一个数据帧，其中包含10个模型及其分数/指标和执行时间 # Multi-layer Perceptron Regression
from sklearn.neural_network import MLPRegressor
start = time.time()
diamonds_mlp = MLPRegressor()
diamonds_mlp.fit(X_train , y_train)
accuracies = cross_val_score(es
浏览 16提问于2020-09-24得票数 0
我得到了以下结果，并且我正在尝试在管道命令中应用函数。 我正在使用的错误代码如下所示： sample_rmse_tbl <- dataset %>%
mutate(rmse = map_dbl(predict, calc_rmse)) %>%
select(id, rmse) 这会给出以下错误： Error in mutate_impl(.data, dots) :
Evaluation error: Result 1 is not a length 1 atomic vector. 数据使用太阳黑子数据，我的代码如下(我遇到的错误是代码的最后一行)： 我已经
浏览 26提问于2019-01-02得票数 3
回答已采纳
1回答
我一直在研究Python中的多元时间序列。我使用的方法是LSTM。但这一预测看起来非常糟糕。甚至我的RMSE和MAE值都很高。RMSE=18.089，MAE=14.907.这对预测没有好处。我想用这样一种方法来预测，误差应该保持在0到1之间。我所用的模型是-
from keras.models import Sequential
from keras.layers import Dense,LSTM,Lambda
from keras.layers import Dropout
#create LSTM model
model=keras.models.Sequential([
浏览 0提问于2020-08-25得票数 0
我用Keras训练了两个神经网络:一个MLP和一个Bidirectional LSTM。
我的任务是预测句子中的单词顺序，因此对于每个单词，神经网络必须输出一个实数。当处理一个包含N个单词的句子时，对输出中的N个实数进行排序，以获得代表单词位置的整数。
我在数据集上使用相同的数据集和相同的预处理。唯一不同的是，在LSTM数据集中，我添加了填充以获得相同长度的序列。
在预测阶段，使用LSTM，我排除了从填充向量创建的预测，因为我在训练阶段屏蔽了它们。
MLP架构：
mlp = keras.models.Sequential()
# add input layer
mlp.add(
ke
浏览 4提问于2020-04-19得票数 1
1回答
我有一个简单的lstm模型
model =Sequential()
model.add(LSTM(100, activation='relu', input_shape=(n_input,n_features)))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mse')
model.summary()
我对相同的数据进行训练和测试，但每次都得到不同的预测。为什么？
如果模型参数、训练和测试是相同的，为什么每次运行时预测都会发生变化？
如果结果不能重复，那么培训和测试lstm模
浏览 0提问于2022-03-12得票数 1
回答已采纳
我在这里重新发布这个问题来自AI.SE，因为我认为这可能是AI.SE的话题.
1.上下文
我正在学习健康监测技术，我在数据集上练习.目标是预测发动机的剩余使用寿命(RUL)给定传感器系列。关于C数据集，有广泛的文献，包括经典的(非DL) ML技术和基于DL的方法.几年前，基于LSTM的网络展示了有希望的结果(参见长期短期记忆网络，剩余寿命估算，郑等人，2017年)，我正在尝试复制这些结果。
contains数据集包含的数据量很小.例如，FD001子集只有100个运行到失败系列。当我对它进行预处理以得到固定长度的时间序列时，我可以得到大约20000帧序列。在本文中，他们使用了两个隐藏的LSTM层
浏览 0提问于2020-08-19得票数 2
回答已采纳
3回答
我刚刚用LSTM建立了一个价格预测模型，RMSE约为0.12。价格范围是从0到3，这是否意味着模型是准确的？有没有其他方法来衡量LSTM的准确性？
谢谢!
浏览 4提问于2020-10-13得票数 0
我的目录包含数百个类似于以下内容的文件和目录：
508471/
ae_lstm__ts_ 508471_detected_anomalies.pdf
ae_lstm__508471_prediction_result.pdf
mlp_508471_prediction_result.pdf
mlp__ts_508471_detected_anomalies.pdf
vanilla_lstm_508471_prediction_result.pdf
vanilla_lstm_ts_508471_detected_anomalies.pdf
598690/
ae_lstm__ts_598690_
浏览 6提问于2020-03-13得票数 0
回答已采纳
1回答
连接Keras图层的问题
、、、、
我正在尝试建立一个LSTM模型来预测给定一天的温度，比如使用邮政编码或PinCode的过去7天的温度、降雨量等。我知道训练数据集需要被塑造为(观察值，时间步长，特征)。我猜我的例子中的特征应该是温度，降雨量和时间步长是7。所以如果我有2个特征和7个时间步长，那么一个观察值总共有14个变量。我也有像州，区域(说北，西，东，中部等)的功能，这是所有7个时间步的共同特征。由于每个观测值都是一个邮政编码，因此对于邮政编码的所有7天(7个时间步)，邮政编码所属的地理状态和区域将是相同的。由于我们不能向LSTM输入特征(对所有时间步通用)，我使用Keras functional API将这些时态特征提供给
浏览 10提问于2020-06-06得票数 0
回答已采纳
我有一些与生物反应器相关的时间序列数据。每24小时我给生物反应器喂食葡萄糖，并测量它自上一次喂食以来产生了多少物质。
输入：葡萄糖饲料。
Ouput：物质的生产。
目的：考虑到我摄入的葡萄糖，估计这些物质的浓度随时间的推移。
该生物反应器具有一定的初始条件，如葡萄糖初始浓度和物质。每个实验都有不同的初始条件。在一个实验中，我可以从10毫米的物质开始，在另一个实验中，我可以从100毫米开始，所以知道起点是很重要的。
我想利用这个初始条件来训练RNN的初始隐藏状态。
有我能做到的吗？如果没有，是否有其他方法向RNN表示初始条件？我在Keras中使用python。谢谢!
在代码中，我相信它
浏览 3提问于2019-12-19得票数 2
我正在处理一个数据集，它有400个观测值，34个特性和相当多的异常值，其中一些是极端的。鉴于我的数据的性质，这些需要在模型中。
首先，我对我的数据进行了75-25的分割，把这25%的数据放在一边。
在火车组中，我使用了GridSearchCV，RepeatedKFold为10倍，7次重复，这返回了我的best_estimator结果，当我们进入.cv_results_时，我们看到它是mean_test_score的度量。然后我称之为“交叉验证分数”。然后，在符合这个模型的情况下，我在测试集上运行它，名为grid.score(X_test，y_test)，并称它为我的测试分数。
def rf(d
浏览 0提问于2019-05-12得票数 1
回答已采纳
我想问一下数据框中的一些值。下面是我的代码： 我的代码是 algorithm_choice =['DUMMY','LINEAR_REGRESSION','RIDGE_REGRESSION','MLP','SVM','RANDOM_FOREST'] m
model_type_choice=['POPULATION_INFORMED','REGULAR','SINGLE_CYCLE','CYCLE_PREDICTION']
浏览 13提问于2019-01-29得票数 0
1回答
我试图用一个单一的大数据集来训练一个多输入模型，该数据集有3列featuers_mlp、featuers_lstm、labels。
(由于数据集非常大，所以使用五进制)
模型：
LEARNING_RATE=0.001
BATCH_SIZE = 256
TRAIN_MAX_STEPS=None
STEPS = None
NUM_EPOCHS = 2
LEAKY_RELU_ALPHA = 0.1
input_layer_mlp = Input(shape=(len(mlp_feature),), name='input_mlp')
input_layer_lstm = Inpu
浏览 1提问于2022-01-18得票数 1
1回答
我在我的LSTM模型的纪元图中看到损失跳跃。(附加屏幕截图)它告诉我什么？(过度拟合？，错误的损失函数，错误的激活不必要的层？等等) LOSS PLOT # Model
time_input= Input(shape=(timesteps,data_dim)) #inputs dimension
DKLOC_input= Input(shape=(timesteps,data_dim))
LSTM_outs=LSTM(hidden_dim, unroll= True, return_sequences=True)(time_input)
MLP_inputs=conc
浏览 17提问于2019-02-26得票数 0
回答已采纳
1回答
对于两个简单的聚类和分类任务，我采用了K-均值和MLP算法.我搜索了许多文献，我发现一些研究人员使用MSE和其他RMSE来比较方法和结果。
在聚类/分类性能度量方面，MSE和RMSE之间是否有逻辑和理论上的区别？
例如，如果我们的数据集在0.1之间规范化，或者没有规范化，那么哪一个是合适的？MSE/RMSE是否依赖于特性的规范化？或者任何比例？
浏览 4提问于2014-10-18得票数 0
回答已采纳
1回答
我使用插入符号用下面的代码训练一个mlp模型。 library(datasets)
library(MASS)
library(caret)
DP = caret::createDataPartition(Boston$medv, p=0.75, list = F)
train = Boston[DP,]
test = Boston[-DP,]
colnames(train) = colnames(Boston)
colnames(test) = colnames(Boston)
mlp = caret::train
浏览 60提问于2021-05-09得票数 0
1回答
我正在创建一个多输入模型，其中我连接一个CNN模型和一个LSTM模型。lstm模型包含最后5个事件，CNN包含最后一个事件的图片。两者都被组织起来，使得numpy中的每个元素k与5个事件和相应的图片相匹配，输出标签也是如此，输出标签是应该由模型预测的“下一个”事件。
chanDim = -1
inputs = Input(shape=inputShape)
x = inputs
x = Dense(128)(x)
x = Activation("relu")(x)
x = BatchNormalization(axis=chanDim)(x)
x = Dropout(0.3)(
浏览 2提问于2020-05-01得票数 0
回答已采纳
1回答
可视化神经网络架构
、、、
我尝试可视化我的神经网络的架构(参见下面的代码)。可视化方面的 I want to get something like this。 但我没能做到。我应该使用什么包，或者任何人都可以说明我的网络会产生什么结果？ 这是我的网络的代码： new_img_size = 128
nbr_img = 3
delta_t = 10
min_pred = 10
image1 = Input(shape=(new_img_size, new_img_size, 3))
image2 = Input(shape=(new_img_size, new_img_size, 3))
y1 = Ba
浏览 11提问于2021-10-03得票数 0
1回答
本文的网络体系结构是由尹瑞青、赫夫·布林、克劳德·巴拉斯·巴拉斯( Claude Barras，as， )提出的一种基于双向长时间存储网络的广播电视说话人变化检测系统。
该模型由两个Bi(Bi 1和2)和一个多层感知器(MLP)组成，其权重跨序列共享。Bi 1有64个输出(向前32个，向后32个)。双LSTM2 2有40只(每只20只)。全连通层分别为40维、10维和1维.前向和后向LSTM的输出被连接起来，并前馈到下一层。共享MLP由三个完全连接的前馈层组成，前两层使用tanh激活函数，最后一层采用sigmoid激活函数，以便输出0到1之间的分数。我参考了各种来源并编写了以下代码，
mode
浏览 4提问于2020-04-03得票数 0
回答已采纳
1回答
我正在开发基于历史数据的组织需求的LSTM预测模型！我得到的均方根误差(RMSE)分别为0.12和0.15训练和测试分数。
我的问题是如何根据上述RMSE值计算模型的准确性？
浏览 2提问于2021-09-02得票数 0
1回答
我有一个非常简单的LSTM模型，定义为
def get_lstm_model(shape_input, num_output):
model = Sequential([
layers.Input((shape_input, num_output)),
layers.LSTM(64),
layers.Dense(32, activation = 'relu'),
])
model.compile(optimizer='adam',
loss=
浏览 7提问于2022-08-21得票数 1
我刚接触过tensorflow和机器学习。最近我在做一个模特。我的模型如下，
字符级嵌入向量->嵌入查找-> LSTM1
字级嵌入向量->嵌入查找-> LSTM2
LSTM1+LSTM2 ->单层MLP-> softmax层
LSTM1+LSTM2 ->单层MLP-> WGAN鉴别器
rnn模型的编码
当我处理这个模型时，我得到了以下错误。我觉得我的批次太大了。因此，我试图将批处理大小从20减少到10，但它不起作用。
[节点: chars/bidirectional_rnn/bw/bw/while/bw/lstm_c
浏览 3提问于2017-12-28得票数 15
回答已采纳
1回答
如何计算测试数据集的平均相对误差
、、、、
def create_model():
model = Sequential()
model.add(LSTM(50, return_sequences=True, input_shape=(40002, 12)))
model.add(LSTM(50, return_sequences= True))
model.add(LSTM(50, return_sequences= True))
model.add(tf.keras.layers.LSTM(30))
model.add(Dense(2, activation='linear&#
浏览 5提问于2022-10-20得票数 1
我已经构建了一个1层的LSTM模型，它可以预测未来1小时后的叫车需求。 为了测试健壮性，我想多次重复预测，并平均RSME分数。在这个example之后，我想使用一个for循环来实现这一点。 这段代码包含一个适合LSTM模型的函数和一个进行预测的函数： import pandas as pd
import numpy as np
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import mean_squared_error
from sklearn.metrics import mean_absolut
浏览 9提问于2020-06-18得票数 0
我们可以使用MLP的输出作为LSTM网络中的小区状态，并使用反向传播来训练MLP吗？
这类似于使用CNN & LSTM的图像字幕，其中CNN的输出被展平并用作初始隐藏/单元状态，并训练堆叠网络，其中甚至CNN部分也通过反向传播进行更新。
我在keras中尝试了一个架构来实现同样的效果。请找到代码。
但是MLP的权重没有更新。我知道这在tensorflow中更简单，我们可以明确地提到哪些参数要随着损失进行更新，但是有谁可以帮助我使用keras API吗？
浏览 1提问于2018-07-19得票数 1
我已经使用LSTM构建了一个股票预测模型。然而，每次当我运行程序时，RMSE的值和预测结果都在不断变化(我没有改变程序中的任何数据。每次点击运行按钮都会给出不同的结果，)谁能让我知道是什么原因。非常感谢
浏览 8提问于2020-06-19得票数 0
1回答
我将我的数据分成训练和测试样本(70/30)，以解决基于回归预测的问题(MLP，LSTM等)。
在守则内：
history = model.fit(X_train, y_train, epochs=100, batch_size=32,
validation_data=(X_test, y_test), verbose=0, shuffle=False)
我把我的测试数据作为验证集，并做了几个星期的预测。所以我没有隐瞒测试数据..。
但是现在我想起来了，我想把测试数据放入fit函数是错误的，或者说它还好吗？
浏览 2提问于2019-11-05得票数 1
回答已采纳
这可能是一个简单的问题，但我是Python和Dash的新手，非常感谢您的帮助。基本上，我尝试基于两个不同的条件动态加载图像。
下面是函数：
def graph_loss (city, model):
if city == 1:
if model == 4:
Loss = ('assets/images/AU_wind_Loss_MLP.png')
if model == 5:
Loss = ('assets/images/AU_wind_Loss_LSTM.p
浏览 1提问于2020-09-04得票数 0
1回答
我有以下的预测比特币价格的LSTM网络(图1)。每小时都有比特币的收盘价。我面临一些问题，任何建议都很感激。
之前在同一网络上，我的RMSE测试和训练集分别是6.71和7.41 RMSE。我重新编译了整个代码，训练集突然增加到233.51，测试集增加到345.56。有人能帮我找出原因吗？
，如何提高我的网络的准确性，因为它在每一次迭代中都很低？
我应该如何确定我的LSTM网络参数。(单位，历元，batch_size，time_steps输入)
提前感谢您的帮助。
浏览 2提问于2020-10-31得票数 0
我正在训练一个模型，它接受标记化的字符串，然后通过嵌入层和LSTM传递。然而，输入中似乎有一个错误，因为它没有通过嵌入层。 class DrugModel(nn.Module):
def __init__(self, input_dim, output_dim, hidden_dim, drug_embed_dim,
lstm_layer, lstm_dropout, bi_lstm, linear_dropout, char_vocab_size,
char_embed_dim, char_dropout, dist_fn, lear
浏览 46提问于2019-12-16得票数 0
1回答
我正在用Tensorflow构建一个LSTM RNN，它执行像素级分类(或者，更好的方法是像素级预测？)
在我解释标题的时候，请容忍我。
网络看起来像下面的图画..。
这个想法是这样的..。大小的输入图像(200,200)是大小为200,200,200的LSTM RNN的输入。从LSTM张量矢量( LSTM RNN中的粉红框)输出的每个序列都被输入到MLP中，然后MLP进行一个单一的输出预测- ergo像素级预测(您可以看到一个输入像素是如何生成一个“像素”的)。
代码看起来如下(并不是所有的代码，只是需要的部分)：
...
n_input_x = 200
n_input_y = 2
浏览 4提问于2016-06-15得票数 3
我试图使用Keras调谐器的BayesianOptimization调谐器为Keras中的LSTM模型调优超参数。当实例化调谐器时，我不断收到错误消息，这些消息似乎与我在客观参数中的内容相抵触。这是我的密码：
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dropout, Dense
from kerastuner.tu
浏览 14提问于2022-05-18得票数 0
回答已采纳
2回答
需要提高我的LSTM模型的精度
、、、、
这是我的模型
# normalize the dataset
scaler = MinMaxScaler(feature_range=(0, 1))
dataset = scaler.fit_transform(df)
train_size = int(len(dataset) * 0.8)
test_size = len(dataset) - train_size
train = dataset[0:train_size,:]
test = dataset[train_size:len(dataset),:]
def create_dataset(dataset, look_back=1
浏览 7提问于2022-07-07得票数 0
1回答
我目前正在实施一个预测模型。整个过程建立在回归的基础上。第一种模型是基于Keras的LSTM网络，第二种是基于sklearn的随机森林模型。
对于这两个模型，我使用相同的输入值和目标变量。LSTM网络的预报更接近实际观测值(较好的rmse和r2) (可能是由于记忆/回溯)，但随机森林模型提供了更好的高度和深度。随机森林模型似乎发现了比LSTM模型更好的依赖关系。
LSTM：
📷
随机-森林：
📷
LSTM模型理解更好的依赖关系的最佳方法是什么？我应该使用来自LSTM + RF的集成或叠加方法吗？说得通吗？
浏览 0提问于2018-05-20得票数 0
当我一层一层地构建模型时，Sequential和Model([input],[output])的结果似乎是一样的。但是，当我使用以下两个输入相同的模型时，它们给出了不同的results.By方式，输入形状是(None, 15, 2)，输出形状是(None, 1, 2)。
Sequential模型：
model = tf.keras.Sequential(
[
tf.keras.layers.Conv1D(filters = 4, kernel_size =7, activation = "relu"),
tf.keras.layers.C
浏览 12提问于2022-08-07得票数 1
1回答
所有机器学习算法的输出向量的大小是否相同？ML算法不能只预测一个值作为输出吗？
我训练了一个使用X，Y，航向，速度(从出租车传感器)对抗feature_x，feature_y的LSTM网络。所以，给定一点，我可以预测下一个。
鉴于LSTM是多对一的类型，它如何产生两个值作为输出(x，y)？
MLP也能这么做吗？
浏览 0提问于2020-05-10得票数 0
1回答
我在使用skopt库时遇到了问题。我试图优化神经网络的大小，即神经元和层的大小，然而我得到的结果与预期相反。优化不喜欢这些参数，它产生了奇怪的结果，比如4层神经网络，每层有一个神经元，RMSE为8*1e-4。我知道使用高斯过程和皮尔逊指数0.999，RMSE的最佳值是4*1e-4，但我不能得到相同的结果。有什么想法吗？
from skopt import gbrt_minimize
#--------- Hyperparameters -------------------
space = [
Real(1e-6, 1e-1, name='alpha'
浏览 5提问于2020-05-17得票数 0
2回答
我是一名数据分析员，试图通过机器学习来提高我的知识。
我已经完成了一个timeseries数据集的模型，其中每个点间隔1天，没有空白。我尝试过的特定模型类型是使用tensorflow的keras的多层自回归双向LSTM，请参见下面的模型特定代码：
model = keras.Sequential()
model.add(Bidirectional(LSTM(
units = 128,
input_shape = (X_train.shape[1], X_train.shape[2]),
return_sequences=T
浏览 12提问于2022-01-12得票数 -1
回答已采纳
我正在使用谷歌趋势开发一个简单的模型来预测一组搜索词的未来趋势。我从那里得到灵感，并试图对其他搜索词做同样的事情，试图为这类任务找到最好的模型。
问题是:对其他搜索词的预测是完全错误的。我只对规则模式使用术语，有时比博客示例中的模式更不规范。以下是我修改的代码：
import numpy as np
import pandas as pd
from datetime import date
from matplotlib import pyplot as plt
from keras.models import Sequential
from keras.layers import Inpu
浏览 1提问于2019-08-29得票数 4
回答已采纳
我有以下数据，我试图使用mapply应用神经网络函数。
learning_rate = c(0.01, 0.02)
decay = c(0, 1e-1)
df = expand.grid(lr = learning_rate, decay = decay)
> df
lr decay
1 0.01 0.0
2 0.02 0.0
3 0.01 0.1
4 0.02 0.1
当我执行我的函数时，会得到一个错误。
df2 = cbind(df, mapply(LSTM_FUNC(iterations = 3, learning_rate = df$lr, decay
浏览 5提问于2022-09-03得票数 1
回答已采纳
2回答
我已经构建了一组python脚本。脚本执行以下任务-
informationpredict 基于用户输入(股票代码、开始日期、结束日期等)获取股票价格信息建立并训练了一个关于股票价格的模型:下一个预测价格和相关的RMSE (均方误差)将输出和用户输入一起写入xlsx文件中。
到目前为止，它以一种体面的方式做了以上所有的事情。但是，每次使用相同的数据和用户输入执行脚本(2)和(3)时，都会得到不同的预测值。我明白，这些都是预测，即使所有因素保持相同，预测值也会有所不同。
例如，如果trial#1的pred值为100，则trial#2的pred值为105，trial#3的pred值为95，依此类推
浏览 4提问于2020-05-15得票数 0
回答已采纳
1回答
我正在Keras中构建一个带有注意力的LSTM模型，用于多标签分类，但有数千个可能的输出标签，每个标签都有自己的sigmoid预测层和唯一的注意力MLP层。有没有可能训练和保存这么大的模型？我得到以下h5py RuntimeError: Unable to create attribute (Object header消息太大)。
浏览 2提问于2017-05-12得票数 2
我一直在试图预测谷歌股价在特定日期之间，但当我使用经过训练的网络来预测未来的价值时，我得到了一个与目标类似的输出，但规模不同(截图如下)。
我用pytorch编写了一个lstm神经网络。google的股价是从yfinance库(python)获得的。
神经网络是: lstm：
输入大小=1
隐藏大小= 200
层数=1
lstm的输出被传递到一个完全连接的层：
输入大小= 200
输出尺寸=1
在对网络进行培训之前，我使用MinMaxScaler.fit_transform()来扩展培训和测试数据。然后，我使用网络来预测未来的值，并使用MinMaxScale
浏览 4提问于2022-10-23得票数 0
我正在做一个机器学习项目，我想让神经网络成为我的目标。下面是我的模型的代码，它可以很好地工作在Dense层上，但是给LSTM层带来了错误。
model = keras.Sequential([
layers.LSTM(512, activation='relu', input_shape=X_train.shape),
layers.Dropout(0.4),
layers.Dense(512, activation='relu'),
layers.Dropout(0.4),
layers.Dense(512, activ
浏览 8提问于2022-08-20得票数 0
回答已采纳
1回答
我用Keras编写了一个LSTM，用于单变量时间序列预测。我使用大小为48的输入窗口和大小为12的输出窗口，即我预测一次12步。这通常与RMSE等优化指标配合使用时效果很好。 对于非平稳时间序列，我在将数据提供给LSTM之前对数据进行差分。然后在预测之后，我取预测的逆差。 在差分时，RMSE不适合作为优化指标，因为早期的预测步骤比后面的步骤重要得多。当我们在创建12步预测后进行逆差分时，早期(差分)预测步骤将影响后续步骤的逆差分。 因此，我认为我需要的是一个优化指标，使早期预测步骤具有更大的权重，最好是指数级的。 这样的指标已经存在了吗?还是我应该自己写？我是不是忽略了什么？
浏览 34提问于2019-04-16得票数 0
1回答
变压器模型非常慢，不能很好地预测
、、、、
在使用了LSTM之后，我创建了我的第一个变压器模型。我创建它的多变量时间序列预测-我有10个不同的气象特征(温度，湿度，风速，污染浓度a.o.)用它们，我试图预测空气污染的时间序列(24个连续值/小时)。所以我的输入有形状X.shape = (75575, 168, 10) - 75575时间序列，每个序列包含168个小时条目/向量，每个向量包含10个meteo特征。我的输出有形状y.shape = (75575, 24) - 75575序列，每个序列包含24小时连续的空气污染浓度值。
我把官方网站上的示例作为模型。它是为分类问题而创建的，我只提取了softmax的激活，在最后一个密集的层，我
浏览 0提问于2021-08-25得票数 1
1回答
我在一个具有24个特征的多变量时间序列数据集上运行LSTM模型。我使用了几种不同的方法(方差测试、随机森林提取和额外的树分类器)来运行特征提取。不同的方法导致了略有不同的特征子集。现在，我想在所有子集上测试我的LSTM模型，看看哪个子集提供了最好的结果。 我的问题是，我的3个模型的测试/训练RMSE分数都非常相似，每次我运行我的模型时，我得到的答案都略有不同。这个问题来自一个天真的人，他还在学习神经网络的复杂之处，所以请帮助我理解:在这样的情况下，您如何确定哪个模型是最好的？你能为神经网络做播种吗？或者在一定数量的试验中进行某种类型的平均？
浏览 5提问于2019-05-26得票数 1
回答已采纳
2回答
我目前正在从事神经网络的工作，我还是个初学者。我的目的是使用MLP来预测流时间序列(我知道，NARX网络可能更适合时间序列预测，但要求是MLP)。
例如，我想用当前和历史的流量Q(t...t-n)和降水量P(t...t-m)等来预测流量Q(t+x)。
我的网络训练(网络的训练、验证和测试)和额外的验证期的结果显示出相对较好的质量(相关性和RMSE)。但是，当我仔细查看训练和验证期的输出时，与各自periode的目标相比存在滞后。我的问题是我不知道为什么。
无论x有多大，滞后都恰好对应于我的预测周期x。
我使用Matlab工具箱中的标准MLP和默认设置(随机划分、训练等)。比如使用图形神经网络工
浏览 0提问于2014-12-04得票数 4
当我在没有使用R中的glmnet包进行归一化的情况下计算数据的惩罚回归时，在套索、脊线和弹性网中生成的lambda值和RMSE不合理地大。生成的RMSE以数千为单位。但是，当我标准化response变量时，我看到lambda、RMSE和R^2的值都在合理的范围内，< 1。我们应该标准化response变量吗？我尝试缩放预测变量，但它仍然为lambda、RMSE和R^2生成较大的值。响应变量是数字，在线文章的共享数，值的范围从1到840,000，平均值为3500。
浏览 70提问于2020-12-10得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
