如何设置Keras TimeseriesGenerator来预测下一个值？

目前，我使用Keras的

TimeseriesGenerator

编写了以下代码：

TimeseriesGenerator(train, prediction, length=TIME_STEPS, batch_size=1)  

目前，这会将预测值向后移动一个值，因此

t

的列车数据的输出将为

t+1

。这是有道理的，但我想预测t+2，因此

t

的训练数据将有

t+2

的输出

---

有没有办法使用TimeseriesGenerator来实现这一点？

最快的解决方案是将预测值偏移1，即：

TimeseriesGenerator(train[:-1], prediction[1:], length=TIME_STEPS, batch_size=1) 

请注意，您必须修剪列车集，以便两个数据集具有相同的长度

您还可以使用

timeseries\u dataset\u from\u array

功能，在该功能中，您可以根据需要对齐数据和目标，如您在以下内容中所读：

数据：包含连续数据点的Numpy数组或渴望张量 （时间步长）。轴0应为时间维度

目标： 与数据中的时间步长相对应的目标。它应该有相同的长度 作为数据。目标[i]应该是对应于窗口的目标 从索引i开始（参见下面的示例2）。如果不通过，则不通过 具有目标数据（在这种情况下，数据集将只生成输入 数据）

因此，在您的情况下，应该是这样的：

tf.keras.preprocessing.timeseries_dataset_from_array(
    train[:-TIME_STEPS-2],
    prediction[TIME_STEPS+2:],
    length=TIME_STEPS, 
    batch_size=1
)

---

最快的解决方案是将预测值偏移1，即：

TimeseriesGenerator(train[:-1], prediction[1:], length=TIME_STEPS, batch_size=1) 

请注意，您必须修剪列车集，以便两个数据集具有相同的长度

您还可以使用

timeseries\u dataset\u from\u array

功能，在该功能中，您可以根据需要对齐数据和目标，如您在以下内容中所读：

数据：包含连续数据点的Numpy数组或渴望张量 （时间步长）。轴0应为时间维度

目标： 与数据中的时间步长相对应的目标。它应该有相同的长度 作为数据。目标[i]应该是对应于窗口的目标 从索引i开始（参见下面的示例2）。如果不通过，则不通过 具有目标数据（在这种情况下，数据集将只生成输入 数据）

因此，在您的情况下，应该是这样的：

tf.keras.preprocessing.timeseries_dataset_from_array(
    train[:-TIME_STEPS-2],
    prediction[TIME_STEPS+2:],
    length=TIME_STEPS, 
    batch_size=1
)