具有单个时间信号输入的 LSTM 多步预测

Question

假设我从具有六个特征的足球比赛中收集了一分钟的数据样本。 1500 场比赛来训练和测试模型。

我已经为多特征预测实现了 LSTM 模型。我训练/测试了滞后 5 的模型，得到了 91% 的分数。即预测第 6 分钟。

我的问题是，仅给出第一分钟的数据，是否可以预测剩余的 89 分钟比赛？ （当然，我会设计一个输入shape(1,6)和输出(89,6)的新模型

所以我的 input_shape=(1,1,6) 总是看起来 [[0,0,a,b,0,0]] 其中 a 和 b 是唯一的，并且是为每次匹配预先确定的。

并且预期的输出将具有 shape=(89,6)。

我非常感谢任何建议。

Answer 1

是的，可以这样做，所使用的方法将是一种称为新序列采样的方法的轻微变化，它遵循这个模型

基本上发生的是您使用第一分钟来预测第二分钟，而不是随机生成它，并将生成的结果用作下一步的输入，因此您继续，记住，这仅用于采样/预测阶段而不是生成步骤，我从 Andrew ng 的深度学习课程和 links to the video for same.

中学到了这一点

而且我相信您可以相应地处理形状和尺寸。 如果您有任何疑问或困难，请在下方评论。

图片来源：medium.com