私は単変量時系列データを持っています。私は多段階の予測をしたい。単変量時系列多層パーセプトロン(MLP)を用いた多段先行予測
時系列の一歩予測を説明するthis質問に出会った。 しかし、私は多段階先行予測に興味があります。
例えば、典型的な単変量時系列データが
time value
---- ------
t1 a1
t2 a2
..........
..........
t100 a100.
と仮定ように見える、私は3歩先の予測をしたいです。 私はバックエンド
まず層としてkerasとtensorflowを使用しています
TrainX TrainY
[a1,a2,a3,a4,a5,a6] -> [a7,a8,a9]
[a2,a3,a4,a5,a6,a7] -> [a8,a9,a10]
[a3,a4,a5,a6,a7,a8] -> [a9,a10,a11]
.................. ...........
.................. ...........
のように私の問題をCANフレームは50個のニューロンを持っており、6つの入力を期待しています。 中間層は30個のニューロン 出力層は、3個のニューロンすなわち(出力3つの時系列値)
model = Sequential()
model.add(Dense(50, input_dim=6, activation='relu',kernel_regularizer=regularizers.l2(0.01)))
model.add(Dense(30, activation='relu',kernel_regularizer=regularizers.l2(0.01)))
model.add(Dense(3))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(TrainX, TrainY, epochs=300, batch_size=16)
を持っていた私の入力は、A101、A102、A103であるとき私のモデルは、A107、A108、A109 を予測することができるようになります、a104、a105、a106 これは有効なモデルですか?私は何かを逃していますか?