Keras: 2.1.6,python 3.6,tensorflow 1.8.0
我正在尝试训练一个序列模型,它有两个LSTM层和3个密集层。我事先做了一些数据准备,并将数据设置为LSTM层要求的格式,即(n_samples, n_timesteps, n_features)。我的数据有14个特性,实际上是5000步的长序列,因此我将其分解为500个样本,每个步骤10个时间步骤。完成后,我从下面的模型开始,但很快就遇到了最后一层输入形状的错误。我尝试使用Sequential和Functional都会产生相同的错误。
import keras
from keras import callbac
这是一个单变量时间序列预测问题。如下面的代码所示,我将初始数据划分为一个列车数据集(trainX)和一个测试数据集(testX),然后通过keras创建一个LSTM网络。接下来,通过训练数据集对模型进行训练。然而,当我想得到预测时,我需要知道测试值,所以我的问题是:既然我知道问题中的测试数据集的真实值,我为什么要预测。我想得到的是未来时间的预测值?如果我对LSTM网络有一些误解,请告诉我。
谢谢!
# create and fit the LSTM network
model = Sequential()
model.add(LSTM(4, input_shape=(1, look_back)
我第一次使用Keras中的LSTM和Python中的Tensorflow,我想要创建一个包含一些层的神经网络,它提供了10个输出值。我在一个神经网络中生成了多个层,并创建了一个由10个元素组成的输出DenseLayer。我有下一个代码:
from pandas import DataFrame
from pandas import Series
from pandas import concat
from pandas import read_csv
from pandas import datetime
from sklearn.metrics import mean_squared_err
我很想知道,当我选择batch_size=1或batch_size=1000或Keras.lstm.mode.fit()函数中的任何其他数字时会发生什么?例如,当我配置batch_input_shape时?这会影响我的最终结果并改变它们吗?
我需要用batch_size=1来预测未来,但是结果会很糟糕/错误!
有人能解释从batch_size数中选择1 to N的重要影响吗?
我有将近5年的时间序列数据。使用这些数据,我想预测未来两年。该怎么做呢?
我参考了很多关于这方面的网站。如果可以通过TensorFlow来实现这一点的话。我可以知道如何做到这一点吗?
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import tensorflow as tf
from sklearn.preprocessing import MinMaxScaler
from tensorflow.keras.models import Sequential
from tensorflow.ker
我无法评估我的模型,因为当我试图打印我的模型的准确性时,我发现了这个错误。我如何评估我的模型?我使用LSTM从我的数据集生成新数据,我知道不同的度量标准,比如准确性、精确性和回忆性,但是每次我尝试实现生成的数据时,我都会发现这个问题。
#scaled is my dataset that i scaled and contain 6879 line with this value:
#array([[0. , 0. , 0. , 0. , 0. ],
# [0. , 0.25 , 0.
LSTM网络可以用来生成新的文本。给出一个序列,我可以预测下一个单词。是否有一种方法可以得到与预测的每个单词相关的分数?
特别是,如果LSTM网络从来没有见过这个新词,我们能否训练LSTM输出“不信任”的分数呢?
例如,这个文章提供了以下示例:
For example, let us consider the following three text segments:
1) Sir Ahmed Salman Rushdie is a British Indian novelist
and essayist. He is said to combine magical realism wit
我试图创建一个模型,预测未来的股票数据使用13个数据功能。我使用的是TimeseriesGenerator,但是当我试图安装我的模型时,我收到了一个错误,上面写着:
ValueError:检查输入时出错:期望lstm_1_input具有形状(529,13),但得到形状为(5,13)的数组
我的数据集有529行,我想用来训练它们来预测未来的5天。如能在这方面提供任何协助,将不胜感激。
# Part 1 - Data Preprocessing
# Importing the Libraries
import numpy as np
import matplotlib.pyplot as plt
我有以下的时间序列,我分为火车,瓦尔和测试:
📷
基本上,我对ARIMA和LSTM进行了关于这些数据的培训,结果完全不同,就预测而言: ARIMA:
📷
LSTM:
📷
现在,也许我是通过了,在某种程度上,测试设置为LSTM,以便表现得更好?或者LSTM仅仅是比ARIMA更好?下面是一些代码。请注意,为了在将来进行预测,在训练和预测: ARIMA代码之前,我要在我的系列中添加新的和最后的预测值:
# Create list of x train valuess
history = [x for x in x_train]
# establish list for predictions
mo