擅长:python、mysql、java
<p>我想这是Francois Chollet的《深度学习Python》中的一个例子。
Look back是从中生成样本中的观测值的数量。在</p>
<p>步骤将定义观察顺序:</p>
<p>观察指标如下:</p>
<pre><code>X [i, i+step, i+(2*Step), i+(3*step),... .. ,(i+look_back/step)]
y - [(i+look_back/step)+delay]
</code></pre>
<p>批处理数量=此类观察的数量</p>
<p>例如:输入数据</p>
^{pr2}$
<p>对于以下参数:</p>
<p><code>lookback = 6
step = 2
delay = 2
batch_size = 3</code></p>
<p>输出为:</p>
<pre><code> array([[[996.57, -8.41, 265.01],
[996.51, -8.31, 265.12],
[996.5 , -8.05, 265.38]],
[[996.53, -8.51, 264.91],
[996.51, -8.27, 265.15],
[996.5 , -7.62, 265.81]],
[[996.51, -8.31, 265.12],
[996.5 , -8.05, 265.38],
[996.5 , -7.62, 265.81]]]), array([-8.43, -8.76, -8.88])]
</code></pre>
<p>设置shuffle=True并不重要,因为观察总是从索引回溯到特定索引。在</p>
<p>过去10天的每小时读数用于预测24小时后的温度。因此,以这种格式生成数据[[0-240],[241-479],………]将不能提供预测(24小时+10分钟)温度的观测值</p>