Python 使用经过训练的张量流模型(LSTM-RNN)进行未来预测
我对如何告诉我的Python 使用经过训练的张量流模型(LSTM-RNN)进行未来预测,python,tensorflow,lstm,recurrent-neural-network,Python,Tensorflow,Lstm,Recurrent Neural Network,我对如何告诉我的RNN-LSTM模型生成未来值存在问题。我认为我需要将值附加到“输入”中,以便X_test扩展到我的测试数据集之外并扩展到未来,但是我应该如何做,或者这些值应该是什么?在这里对我放松点,只是开始python/机器学习 X_test.shape=(193,60,5)顺便说一句,在本代码末尾包含“打开、高、低、关闭、音量”值 您的问题是时间序列分析,是的,可以使用LSTM(RNN)来预测未来的预测 例如,您想要预测下一天的值,考虑到过去60天的数据,代码的重要部分是 def mult
RNN-LSTM模型生成未来值存在问题。我认为我需要将值附加到“输入”中,以便X_test
扩展到我的测试数据集之外并扩展到未来,但是我应该如何做,或者这些值应该是什么?在这里对我放松点,只是开始python/机器学习
X_test.shape=(193,60,5)
顺便说一句,在本代码末尾包含“打开、高、低、关闭、音量”值
您的问题是时间序列分析
,是的,可以使用LSTM
(RNN)来预测未来的预测
例如,您想要预测下一天的值,考虑到过去60天的数据,代码的重要部分是
def multivariate_data(dataset, target, start_index, end_index, history_size,
target_size):
data = []
labels = []
start_index = start_index + history_size
if end_index is None:
end_index = len(dataset) - target_size
for i in range(start_index, end_index):
indices = range(i-history_size, i)
data.append(dataset[indices])
labels.append(target[i:i+target_size])
return np.array(data), np.array(labels)
past_history = 60
future_target = 1
x_train, y_train = multivariate_data(dataset, dataset[:, 0], 0,
training_data_len, past_history,
future_target)
x_val_single, y_val_single = multivariate_data(dataset, dataset[:, 0],
training_data_len, None, past_history,
future_target)
请参阅此文件,其中包含多变量数据的完整代码(多列,如打开、关闭、高、低等),它预测了一个单步
和多步
如果您在执行过程中遇到任何错误,请联系我,我将很乐意帮助您
希望这有帮助。学习愉快 您的问题是时间序列分析
,是的,可以使用LSTM
(RNN)进行未来预测
例如,您想要预测下一天的值,考虑到过去60天的数据,代码的重要部分是
def multivariate_data(dataset, target, start_index, end_index, history_size,
target_size):
data = []
labels = []
start_index = start_index + history_size
if end_index is None:
end_index = len(dataset) - target_size
for i in range(start_index, end_index):
indices = range(i-history_size, i)
data.append(dataset[indices])
labels.append(target[i:i+target_size])
return np.array(data), np.array(labels)
past_history = 60
future_target = 1
x_train, y_train = multivariate_data(dataset, dataset[:, 0], 0,
training_data_len, past_history,
future_target)
x_val_single, y_val_single = multivariate_data(dataset, dataset[:, 0],
training_data_len, None, past_history,
future_target)
请参阅此文件,其中包含多变量数据的完整代码(多列,如打开、关闭、高、低等),它预测了一个单步
和多步
如果您在执行过程中遇到任何错误,请联系我,我将很乐意帮助您
希望这有帮助。学习愉快