【发布时间】：2020-10-05 05:09:33
【问题描述】：
我一直在关注许多使用 lstms 来预测时间序列数据的教程。我的问题是，我们如何预测不属于数据集的新数据，因为几乎所有教程都显示了 Keras 中的预测函数用于测试数据拆分。 我们如何实际预测未来？
【问题讨论】：
标签： machine-learning deep-learning time-series data-science lstm
【发布时间】：2020-10-05 05:09:33
【问题描述】：
通常，您会创建训练数据，以便模型接收 n 个点并预测接下来的 m 个点。训练完模型后，您将获取数据集的最后 n 个可用点或当前的新点，该模型将输出对未来 m 个点的预测。
如果您想预测未来 m 个以上的点，您可以预测 m 个点并将其用作输入来预测另一个 m 个点，依此类推。但是，您应该知道，使用这种技术可能会在累积错误时得到更差的结果。
【讨论】：
-
这是否意味着如果我提供 60 天的测试数据。那么 predict 函数的输出是预测未来 60 天？
-
并非如此，这取决于您如何训练模型。通常您必须提供参数：过去历史（模型用于预测的过去点的数量）和预测范围（要预测的未来点的数量）。然后，如果您提供最近的过去历史点，该模型将返回对未来预测水平点的预测