多元时间序列预测
我正在阅读Keras中关于使用LSTM进行多元时间序列预测的教程https://machinelearningmastery.com/multivariate-time-series-forecasting-lstms-keras/#comment-442845
我已经看完了整个教程，遇到了一个如下的问题-
在本教程中，在步骤“t-1”中，列车和测试拆分有8个功能，即“污染”、“露水”、“温度”、“压力”、“wnd_dir”、“wnd_spd”、“雪”、“雨”，而在当前步骤“t”中，输出功能为“污染”。这是因为，数据集作为监督学习问题的框架是关于预测当前小时/时间步“t”的“污染”，考虑到前一小时/时间步“t-1”的污染和天气测量
在将模型拟合到训练和测试数据分割之后，如果我想预测一个具有7个特征的新数据集，因为它没有“污染”特征，我明确地只是想用其他7个特征来预测这个特征，那该怎么办特点。
谢谢你的帮助！
我如何处理这种情况？（其余7项功能保持不变）
编辑-假设我的数据集在培训/装配模型时具有以下3个功能-商店编号、商品编号、售出的单位数量
在我训练了LSTM模型之后，我得到了一个具有“shop_number”和“item_number”特征的数据集。数据集没有“已售出的单元数”。
LSTM中的input_shape参数有1作为时间步长，3作为训练时的特征。但是在预测时，我有1个时间步长，但只有2个特征（因为number_of_units_sold是我必须预测的）。
那么我应该如何继续？
共有1个答案
如果污染是最后一个特征：
X = original_data[:,:,:-1]
Y = original_data[:,:,-1:]
如果污染是第一特征
X = original_data[:,:,1:]
Y = original_data[:,:,:1]
其他的
i = index_of_pollution_feature
X = np.concatenate([original_data[:,:,:i], original_data[:,:,i+1:],axis=-1)
Y = original_data[:,:,i:i+1]
制作一个带有return\u sequences=True，stative=False的模型，就是这样。不要使用扁平化、全局池或任何删除步骤维度的方法。
如果你根本没有任何用于训练的污染数据，那么你就不能。
-
根据教程，我为我的数据集开发了多元输入多步骤LSTM时间序列预测模型(https://machinelearningmastery.com/how-to-develop-lstm-models-for-multi-step-time-series-forecasting-of-household-power-consumption/). 然而，我有一个非常奇怪的问题，那就是，当我使用较小的样本（5
-
我有一个包含一整年数据的时间序列数据集（日期是索引）。数据每15分钟测量一次（全年），结果是每天96个时间步。数据已规范化。这些变量是相关的。除VAR外的所有变量都是天气度量值。 VAR在一天期间和一周期间都是季节性的（因为它在周末看起来有点不同，但每个周末都不一样）。VAR值是固定的。我想预测未来两天（前192步）和未来七天（前672步）的VAR值。 以下是数据集的示例： 下面是我准备train
-
我试图使用Keras对多个变量进行同时预测。在这里使用这个例子，我想预测所有特征的值，包括pm 2.5，DEWP，TEMP等，而不仅仅是污染（pm 2.5）。本质上，这是，给定所有变量，建立一个模型来预测所有变量作为时间序列，而不仅仅是预测一个变量。 我使用重塑后的3D数据修改了原始示例代码，但出现了一个错误。代码如下： 输出为： 数据集在这里可用。 我的问题是： Keras LSTM层不是为此设
-
我试图使用LSTM对多元数据进行时间序列预测。我有50000个15维的样品。我想用10的回顾。输入到LSTM层的形状是什么。会吗 或 我正在使用Keras。
-
我试图理解如何正确地将数据输入到我的keras模型中，以便使用LSTM神经网络将多变量时间序列数据分为三类。 我已经看了不同的资源——主要是杰森·布朗利的这三篇优秀的博客文章，其他的SO问题和不同的论文，但是没有一个信息完全符合我的问题案例，我也不知道我的问题是否数据预处理/将其输入模型是正确的，所以我想如果我在这里指定我的确切条件，我可能会得到一些帮助。 我试图对多元时间序列数据进行分类，其原始
-
我是时间序列的新手，需要学科专家的帮助。所以我有一个有11个变量的实验室数据，报告了时间。10个变量是可控的，第11个变量是输出。我用LSTM预测了第11个变量的时间序列。结果比预期好得多。第11个变量预测为0.001 RMSE。训练数据有5000个样本，测试数据有4599个。我对预测很满意。现在我需要分析输入10个变量是如何影响第11个输出变量的。请建议一个好的库，类似问题的教程。