ケラスでRNNを使ってデータセットの過去の終わりを予測する

Question

私は、温度に関する何百もの値にまたがるデータセットを持っています。明らかに、気象学では、将来の値が過去に基づいてどのように予測されるかを予測することは有益です。

私はKerasに建て以下のステートフルモデル、持っている：私は成功したが予測することが必要とされるものを理解するために苦労しています、妥当な結果に私のデータセットに対してモデルをトレーニングし、テストすることができました

look_back = 1 
model.add(LSTM(32, batch_input_shape=(batch_size, look_back, 1), stateful=True)) 
model.add(Dense(1)) 
model.compile(loss='mean_squared_error', optimizer='adam') 
for i in range(10): 
    model.fit(trainX, trainY, epochs=4, batch_size=batch_size, verbose=2, shuffle=False) 
    model.reset_states() 
# make predictions 
trainPredict = model.predict(trainX, batch_size=batch_size) 

を次の、例えば、データセット内の20ポイント。明らかに、これらの20ポイントはデータセットの外にあり、まだ発生していません。

私は何か助けになると思います。 Kerasでシンプルな機能が欠けているような気がします。

ありがとうございます。

Answer 1

私はKerasでいくつかの簡単な機能が欠けていますように私は感じます。

あなたがすぐそこに必要なすべてを持っています。新しいデータの予測を得るには、model.predict()をもう一度使用する必要がありますが、希望の範囲です。これはデータの見た目によって異なります。

trainXは、xのイベントがあると仮定します。[0,100]です。

は、その後、あなたが値120から101にpredict()を呼び出したい次の20回のイベントを予測すること、のようなもの：

futureData = np.array(range(101,121)) #[101,102,...,120] 
futurePred = model.predict(futureData) 

は再び、これはあなたの「次の20」のイベントがどのように見えるかに依存します。ビンサイズが0.1（100,100.1,100.2、...）であった場合は、それに応じて予測を評価する必要があります。

あなたはまた、彼らは例を与えるthisページをチェックして、あなたが興味を持っている場合、のRNNとKerasでのTimeseriesについての詳細を説明したいことがあります。