aug 02, 2019
admin
0
146

lstm 시계열 예측 예제

내가 제대로 이해한다면, 당신은 기능 대 시간 단계에 대한 자세한 정교함을 원하십니까? 동일한 출력 레이어 또는 레이어를 사용하여 출력 시퀀스에서 각 한 단계 예측을 만들 수 있습니다. 이는 모델의 출력 부분을 TimeDistributed 래퍼로 래핑하여 달성할 수 있습니다. 감사. 나는 그것을 얻었다. 그러나, 나는 또 다른 질문을 얻었다 : 당신이 발표 한 다른 기사에 비해 `(http://machinelearningmastery.com/time-series-prediction-with-deep-learning-in-python-with-keras/?utm_source=tuicool&utm_medium=referral) 딥 러닝과 함께 타임 시리즈 예측, 그것은 `LSTM`모델은 간단한 뉴런뿐만 아니라 예측하지 않는 것 같다. LSTM이 특정 열렬 구조에 적합한 선택이 아닐 수 있음을 의미합니까? 우수한 튜토리얼. 나는 타임 시리즈 예측에 새로운 입니다. 나는 기본적인 질문이 있습니다. 이 예제(국제 항공사-승객) 모델은 1957-01에서 1960-12기간까지의 테스트 데이터의 값을 예측했습니다. 순차 모델에 레이어를 추가하려면 추가 메서드가 사용됩니다. 추가 방법 내부에서 LSTM 레이어를 전달했습니다. LSTM 계층의 첫 번째 매개 변수는 계층에서 원하는 뉴런 또는 노드의 수입니다.

두 번째 매개 변수는 return_sequences이며 모델에 레이어를 더 추가하므로 true로 설정됩니다. input_shape의 첫 번째 매개변수는 시간 단계 수이며 마지막 매개변수는 표시기 수입니다. 응. 흥미로운 것을 보셨나요? 타임 라인에 12000 일 주위에 거래의 수가 상당히 급증하고, 이는 주가의 급격한 하락과 일치하는 일이. 우리는 그 특정 날짜로 돌아가서 그 원인을 찾기 위해 오래된 뉴스 기사를 발굴 할 수 있습니다. 많은 댓글과 마찬가지로, 나는 또한 알아 달라고 요청합니다 : 미래의 기간을 예측하는 방법. 그게 가능합니까? 위의 예제를 사용하여 이 작업을 어떻게 달성할 수 있습니까? 계열 또는 Ys가 여러 개 있고 범주형 예측 변수가 있는 경우 이를 어떻게 수용할 수 있습니까? 유용한 정보를 출력하는 한 가지 해결책은 모멘텀 기반 알고리즘을 살펴보는 것입니다. 그들은 과거의 최근 값이 올라가거나 내려가는지 여부에 따라 예측합니다(정확한 값이 아님).

예를 들어, 그들은 가격이 합리적인 소리 지난 일 동안 떨어졌다 경우, 다음 날 가격이 낮을 가능성이 말할 것이다. 그러나 더 복잡한 모델인 LSTM 모델을 사용합니다. 이전 섹션에서 더 큰 창 크기로 예제를 다시 실행할 수 있습니다. 완전성을 위해 창 크기 변경만 있는 전체 코드 목록이 아래에 나열되어 있습니다. 시간이 지남에 따라 데이터 집합에서 상승 추세를 볼 수 있습니다. 입력 값을 예측으로 사용하려고 했습니까? 그것은 당신이 얻고있는 것과 유사한 RMSE를 생성, 48.66. 우리의 경우 시간 단계는 50, 입력 기능의 수는 2 (주식 거래 및 평균 주가). 나는 온라인의 당신의 개념은 또한 혼란 스러울 수 있다고 생각합니다 (또는 나는 혼란스럽다). LSTM의 온라인 구현을 본 적이 있습니까? 케라스는 내가 아는 한 그것을 지원하지 않습니다. 모델을 학습한 다음 예측을 합니다. 물론 모델의 유지 상태를 의미하지 않는 한 – 그러나 이것은 온라인 학습이 아니며, 상태만 있는 정적 모델일 뿐이며, 모델을 자주 다시 학습하지 않는 한 가중치는 온라인 방식으로 업데이트되지 않습니다.

POST CATEGORIES

Okategoriserade