使用Python-LSTM的多元时间序列分析
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。
共有1个答案
可能这里最好的方法是更改模型架构以实现透明性：我是注意力机制的忠实粉丝，最近在IMDB数据集上发布了一个相关问题的答案-您应该可以直接获得类似的输出：https://stackoverflow.com/a/51481366/9487195
如果这是不可接受的，我恐怕你太不走运了，因为我不知道有任何可靠的研究（还有图书馆）来分析RNN PRED，它不会修改网络的架构。
-
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。
-
我对时间序列分类比较陌生，正在寻求帮助： 我有一个包含5000个多元时间序列的数据集，每个数据集由21个变量组成，时间周期为3年，类别信息为1或0。我想做的是对一个新的输入进行分类，它在3年的时间内由21个变量组成。 就目前而言，经过几天的研究，我还没有找到（或显然没有理解）将多变量时间序列输入LSTM的方法。有没有可能的解决办法？ 我目前的想法是将5000个时间序列“合并”成一个，并向每个序列添
-
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
-
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
-
问题内容： 我想到一个与使用pybrain进行时间序列回归相关的问题。我计划在pybrain中使用LSTM层来训练和预测时间序列。 我在下面的链接中找到了示例代码 例如请求：递归神经网络，用于预测序列中的下一个值 在上面的示例中，网络能够在训练后预测序列。但是问题是，网络通过将数据一次性输入到输入层来获取所有顺序数据。例如，如果训练数据每个都有10个特征，那么这10个特征将同时被同时馈送到10个输
-
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”、