我有如下气象数据:
DateIdx winddir windspeed hum press temp
2017-04-17 00:00:00 0.369397 0.155039 0.386792 0.196721 0.238889
2017-04-17 00:15:00 0.363214 0.147287 0.429245 0.196721 0.233333
2017-04-17 00:30:00 0.357032 0.139535 0.471698 0.196721 0.227778
2017-04-17 00:45:00 0.323029 0.127907 0.429245 0.204918 0.219444
2017-04-17 01:00:00 0.347759 0.116279 0.386792 0.213115 0.211111
2017-04-17 01:15:00 0.346213 0.127907 0.476415 0.204918 0.169444
2017-04-17 01:30:00 0.259660 0.139535 0.566038 0.196721 0.127778
2017-04-17 01:45:00 0.205564 0.073643 0.523585 0.172131 0.091667
2017-04-17 02:00:00 0.157650 0.007752 0.481132 0.147541 0.055556
2017-04-17 02:15:00 0.122101 0.003876 0.476415 0.122951 0.091667
我的目标是:使用keras timeseriesgenerator(from tensorflow.keras.preprocessing.sequence import TimeseriesGenerator
)一次训练和预测多个数据点(多行),例如不要这样做
[input X] | [targets y]
[dp1, dp2, dp3, dp4, dp5] | [dp6]
[dp2, dp3, dp4, dp5, dp6] | [dp7]
[dp3, dp4, dp5, dp6, dp7] | [dp8]
...
但是做
[input X] | [targets y]
[dp1, dp2, dp3, dp4, dp5] | [dp6, dp7, dp8]
[dp2, dp3, dp4, dp5, dp6] | [dp7, dp8, dp9]
[dp3, dp4, dp5, dp6, dp7] | [dp8, dp9, dp10]
...
我可以用它来实现最好的预测
generator = TimeseriesGenerator(
X,
X,
length=5,
sampling_rate=1,
stride=1,
start_index=0,
end_index=None,
shuffle=False,
reverse=False,
batch_size=1,
)
,但我还没有想出如何调整第二类预测的生成器选项
使用timeseriesgenerator是否有一种简单的方法来实现3个数据点的预期预测窗口?如果没有,你能给我推荐一些代码来实现这个任务吗?Tnx
使用TimeSeries生成器可以做的是更改目标条目。具体地说,因为你想预测下一个电子时间步,你的目标应该是这样的形式
掷骰将使你的行向下移动,你可能应该扔掉目标的最后两行。 因此,在定义生成器时,现在可以使用
target
对象作为参数:请注意,现在,当您调用
model.fit
时,它希望输出的形状像3dim\u colX,因此您的模型架构和/或损失函数需要考虑这一点,因此您应该直接更改最后一层的输出dim,或者使用layer.concatenate([model_timeplus1,model_timeplus2,model_timeplus3], axis=-1)
组合3个模型 如果您选择共享权重模型(由单个nnmodel_timeplus1
生成的三个预测值):它相当于展开的recursive neural network
相关问题 更多 >
编程相关推荐