LSTM 网络可以预测另一个类似序列数据的输出吗？答案

【问题标题】：Can LSTM networks predict the output for another similar sequential data?LSTM 网络可以预测另一个类似序列数据的输出吗？
【发布时间】：2019-11-05 01:40:39
【问题描述】：

假设我在一个数据序列上训练我的 LSTM，并通过预测接下来几个步骤的数据来验证它。
如果模型运行良好，是否可以保存此模型？
保存的模型可用于预测类似序列数据的输出，但输入参数值稍作修改。

OR LSTM 只能预测同一数据序列的接下来的几个步骤？？？

Data Table for reference Please Click here

假设我有一个具有可用输入和输出特征的过程数据，这是一个顺序数据，假设我的 LSTM 正在从 3 个数据步骤中学习以预测下一步。

现在这个 LSTM 将只预测这个过程的未来数据，还是即使在过程开始时它也能预测一组新输入参数的输出值？

【问题讨论】：

嗨 Tapas 感谢您提出这个开箱即用的问题，它肯定会帮助所有人理解 LSTM 模型。但是，我可以请您详细说明一下，尤其是第 3 点。请谢谢
嗨，Amandeep 感谢您的回复。我编辑了问题陈述。希望它更清楚。

标签： neural-network deep-learning lstm

【解决方案1】：

感谢您提出这个问题。

根据我的理解，后一种是绝对支持的——即使是初始步骤，它也可以预测看不见的数据的输出值。

关于前面的选项——“现在这个 LSTM 只会预测这个过程的未来数据”，我必须说似乎有些可疑：

让我们通过一个问题陈述来详细理解这个概念：

问题陈述：在输入每个单词后预测下一个单词，保持上下文长度比 RNN 支持的长度略长[数据大小 = 1000 万个句子]

现在，您是说理想情况下我们应该为 1000 万个句子训练模型，但只训练前 4-5 个词，然后根据训练中每个句子的遗漏词来验证模型是否工作正常数据？

如果是上述情况，我建议：（这与您的后一个选项重叠）

将数据划分为训练、验证和测试数据，并根据训练数据中的完整句子训练模型，然后通过提供验证数据的输入来验证它，并计算每个预测词的准确度。

我希望这已经澄清了您的疑问，请随时提出其他问题。

【讨论】：

谢谢，这很有帮助。让我尝试一些事情，我会回复你。