Machine learning 单时间信号输入的LSTM多步预测
假设我从足球比赛中收集了一分钟的数据样本，其中有六个特征。1500个游戏来训练和测试模型 我已经为多特征预测实现了LSTM模型。我用滞后5训练/测试模型，得到91%的分数。即对第6分钟进行预测 我的问题是，只考虑到第一分钟的数据，是否有可能预测比赛剩下的89分钟？（当然，我将设计一个输入形状（1,6）和输出形状（89,6）的新模型） 所以我的输入_shape=（1,1,6），它看起来总是[[0,0，a，b，0,0]]，其中a和b是唯一的，并且对于每个匹配都是预先确定的 预期的输出将具有shape=（89,6）Machine learning 单时间信号输入的LSTM多步预测,machine-learning,keras,time-series,lstm,Machine Learning,Keras,Time Series,Lstm,假设我从足球比赛中收集了一分钟的数据样本，其中有六个特征。1500个游戏来训练和测试模型 我已经为多特征预测实现了LSTM模型。我用滞后5训练/测试模型，得到91%的分数。即对第6分钟进行预测 我的问题是，只考虑到第一分钟的数据，是否有可能预测比赛剩下的89分钟？（当然，我将设计一个输入形状（1,6）和输出形状（89,6）的新模型） 所以我的输入_shape=（1,1,6），它看起来总是[[0,0，a，b，0,0]]，其中a和b是唯一的，并且对于每个匹配都是预先确定的 预期的输出将具有shape
我真的很感激任何建议。是的，这是可能的，使用的方法将是一种称为采样新序列的方法的轻微变化，它遵循此模型 基本上，您使用第一分钟预测第二分钟，而不是随机生成，并使用生成的结果作为下一步的输入，因此您继续，请记住，这仅适用于采样/预测阶段，而不适用于生成步骤，我从Andrew ng的深度学习课程中学到了这一点 我相信你可以相应地处理形状和尺寸。 如果您有任何疑问或困难，请在下面进行评论
图片来源：medium.com感谢您分享非常有用的链接