Skip to main content
 首页 » 编程设计

python之lstm预测结果延迟现象

2025年01月19日10lvdongjie

最近我在使用 lstm 来预测时间序列。我正在使用 keras 2.0 来构建我的 lstm 模型。它的结构如下:

model = Sequential() 
model.add(LSTM(128, input_shape=(timesteps, 1), return_sequences=False, stateful=False) 
model.add(Dropout(rate=0.1)) 
model.add(Dense(1)) 

我已经尝试使用这个网络来预测几个时间序列,包括 sin(t) 和一个真实的交通流数据集。我发现对 sin 的预测很好,而对真实数据集的预测就像将最后一个输入值移动一步。我不知道这是预测错误还是网络根本没有学习数据集的模式。有没有人得到类似的结果?这种烦人的转变有什么解决办法吗?多谢。 以下是我的一些预测:

3 frequencies sin prediction result

real traffic dataset prediction result

请您参考如下方法:

这只是您网络的起点,您必须通过尝试各种事情来完成它。

仅举几个例子:

  • 尝试不同的窗口长度(输入网络的时间步长)
  • 尝试添加密集层、多个 LSTM 层或更少的 LTSM 节点
  • 尝试具有不同学习率的不同优化器
  • 寻找额外的数据点以输入网络
  • 您有多少数据?您可能需要更多才能获得良好的预测
  • 为 Y 变量尝试不同的偏移量,您需要多少时间步才能预测出您的特定问题?

list 还在继续......