如何使用 LSTM 对过去和当前的特征进行预测？答案

【问题标题】：How to use LSTM to make prediction with both feature from the past and the current ones?如何使用 LSTM 对过去和当前的特征进行预测？
【发布时间】：2025-11-24 06:05:01
【问题描述】：

假设我有一个像下面这样的数据框，Discount 是从selling price/list price 计算出来的，unit_sales 是当天售出的商品数量。

如果我要使用 LSTM 进行第二天的销售预测（绿色框中的数据），基于过去 3 天的销售和折扣（红色框中的数据框），加上第二天要打折（紫色方框中的数据框），我应该如何重塑数据框？

如果我不必考虑当前或未来时间步的折扣，这可能真的很容易，我只需将其重塑为 (# of samples - 3, 3, 2)

【问题讨论】：

标签： python tensorflow keras lstm rnn

【解决方案1】：

我会这样做 - 而不是在您的模型中输入一个输入，您可以有 2：过去 3 天的折扣/销售对，其形状为您建议的（样本数 -3、3、2）和另一个形状 (1,) 对应于当前折扣。您可以通过 LSTM 运行前 3 天，并将当前折扣连接到 LSTM 的输出。使用函数式 API 将如下所示：

inp_past=Input((3,2))
lstm=LSTM(32)(inp_past)
inp_now=Input((1,))
concatenation= concatenate([inp_now,lstm])
output=Dense(1)(concatenation

这对你有一点帮助吗？

【讨论】：

当然有帮助！让我试试看。
如果你不介意再问一个问题，如果我想做多步预测，并且我将 LSTM 层的 return_sequences 设置为 true，我是否应该使用相同的函数（连接）来合并输入(3, 1) 和第一个 LSTM 的输出？
这真的取决于... 您可能希望通过重复命令重塑折扣信息，或者在生成数据时手动进行。您只能连接相同维度的事物，因此如果您过去的折扣/销售数据具有形状 (3,2)，则折扣必须为 (3,1)
对不起，我的英语表达不好，但你已经回答了我的意思，非常感谢你
很高兴听到！请标记它已回答