Keras LSTM：如何预测超越验证与预测？

Posted 2023-02-16

【中文标题】Keras LSTM：如何预测超越验证与预测？

【英文标题】：Keras LSTM: how to predict beyond validation vs predictions?

【发布时间】：2021-12-13 14:47:50

【问题描述】：

在处理时间序列预测时，我看到大多数人在使用 LSTM 模型时都遵循以下步骤：

获取、清理和预处理数据 取出验证数据集以供将来与模型预测进行比较 初始化和训练 LSTM 模型 使用验证数据集的副本进行预处理，就像训练数据一样 使用经过训练的模型对转换后的验证数据进行预测 评估结果：预测与验证

但是，如果模型准确，您如何做出超出验证期结束的预测？

以下仅接受以与训练数据相同的方式转换的数据，但对于超出验证期的预测，您没有任何输入数据可提供给模型。那么，人们是如何做到这一点的呢？

# Predictions vs validation
predictions = model.predict(transformed_validation)

# Future predictions
future_predictions = model.predict(?)

【参考方案1】：

要预测第 i 个值，您的 LSTM 模型需要最后 N 个值。 所以如果你想预测，你应该使用每个预测来预测下一个。

换句话说，你必须遍历类似的东西

prediction = model.predict(X[-N:])
X.append(prediction)

您可以猜到，您将输出添加到输入中，这就是您的预测可能会发散并放大不确定性的原因。

其他模型更稳定，可以预测遥远的未来。

【讨论】：

好一个哈罗德！！

【参考方案2】：

您必须将数据分解为训练和测试，然后适应您的模式。最后，你做出这样的预测。

future_predictions = model.predict(X_test)

查看下面的链接了解所有详细信息。

https://towardsdatascience.com/lstm-time-series-forecasting-predicting-stock-prices-using-an-lstm-model-6223e9644a2f

【讨论】：

这不是预测未来值，而只是预测要与保留数据集进行比较的值。作为一名数据科学家，您已经拥有这些价值观。我说的是更远的未来，你没有任何数据。

抱歉，我不知道。希望其他人会加入这里并提供满足您期望的解决方案。