Machine learning LSTM预测_Machine Learning_Parameters_Deep Learning_Lstm_Activation Function

Machine learning LSTM预测

machine-learning parameters deep-learning

Machine learning LSTM预测,machine-learning,parameters,deep-learning,lstm,activation-function,Machine Learning,Parameters,Deep Learning,Lstm,Activation Function,我正在研究一个LSTM模型，我发现了一些例子，我对输出感到困惑。在这里，我试图预测接下来的24小时，我应该在致密层上放置1还是24？这部分正确吗？我一直在关注这个谢谢。1的密集层，意味着您将获得一个输出。因此，如果你预测下一个小时，你使用1个密集层。然而，请记住，如果你想预测未来24小时，有两种方法可以做到这一点。通过将新的预测输入到下一个时间序列中，您可以迭代预测1小时24次。或者，您可以使用24个输出的密集层一次预测24小时范例 [1,2,3,4,5]是我的序列，我想预测第10个值

我正在研究一个LSTM模型，我发现了一些例子，我对输出感到困惑。在这里，我试图预测接下来的24小时，我应该在致密层上放置1还是24？这部分正确吗？我一直在关注这个

谢谢。

1的密集层，意味着您将获得一个输出。因此，如果你预测下一个小时，你使用1个密集层。然而，请记住，如果你想预测未来24小时，有两种方法可以做到这一点。通过将新的预测输入到下一个时间序列中，您可以迭代预测1小时24次。或者，您可以使用24个输出的密集层一次预测24小时

范例

[1,2,3,4,5]是我的序列，我想预测第10个值

我可以预测第六个值。然后改变我的下一个时间序列，以[2,3,4,5,6]结束。然后继续预测第7、8、9和10号

或者，我可以使用[1,2,3,4,5]尝试一步预测[6,7,8,9,10]。

这对我不起作用！我已将密度值更改为24小时，但它会生成一个错误。可能是因为我使用多个特性来预测一个输出。你认为呢？你需要发布你的完整代码以及任何相关的错误。没有人能通过问答猜出发生了什么。

reg = Sequential()
reg.add(LSTM(units = 5, activation='relu', input_shape=(24,1)))
reg.add(Dense(24)) #Predicting the next 24h