Deep learning 使用LSTM-RNN Python进行预测

我正在使用LSTM-RNN进行销售预测

我已经以70-30的比例对我的模型进行了培训和验证。我有大约144行数据，其中包括两列（日期（YYYY/MM）和销售）。 我只使用sales列来预测价值

---

我需要知道是否有可能100%地训练你的数据集。如果是这样，我如何预测近期的未来值（样本外数据）。应该为模型提供什么作为输入？因为我是一个新的深入学习，这可能是一些容易的东西，我错过了。任何帮助都将不胜感激。

到目前为止，您培训的模型的输入和输出形状是什么？@SaTa我的模型输入形状是（113，1，30），输出形状是（113，1）。您能进一步说明吗？113个训练样本，1个时间步，30个特征？@SaTa是的，我想是的。我使用了113个训练样本，回望值为30，这意味着我试图预测第31个值，依此类推。在这种情况下，您应该将输入数据重塑为（113，30，1）。LSTM数据格式为（n_样本、n_时间步、n_特征）。如果n_timesteps为1而不是30，那么使用LSTM确实可以获得任何好处。它将执行类似于ANN的操作。到目前为止，您培训的模型的输入和输出形状是什么？@SaTa我的模型输入形状是（113，1，30），输出形状是（113，1）。您能进一步说明吗？113个训练样本，1个时间步，30个特征？@SaTa是的，我想是的。我使用了113个训练样本，回望值为30，这意味着我试图预测第31个值，依此类推。在这种情况下，您应该将输入数据重塑为（113，30，1）。LSTM数据格式为（n_样本、n_时间步、n_特征）。如果n_timesteps为1而不是30，那么使用LSTM确实可以获得任何好处。它将执行类似于ANN的操作。