如何在多参数天气时间序列上使用 Keras GRU 实际预测一个参数

Question

在 Jena 天气数据集（第 6 章）上训练 Keras 书籍 (F. Chollet) 中的 GRU 架构后，我很难理解预测阶段：

最后一层 - 没有激活的密集 - 输出如预期的那样，一个数字流： 尺寸：行数 X 1。 我猜这些应该是预测，但它看起来像是所有 14 个参数的概率。 为什么只对 14 个参数进行一次预测？

问题是输入是 num rows X num cols（14 个参数），而预测输出无法重塑为 14 列数组 - 例如天气数据集所包含的。

在耶拿天气时间序列问题中，预测不应该与输入具有相同数量的列吗？

如果预测是针对所有 14 个参数的，并且它们已经通过具有 ONE 单元的 Dense 层进行了应变 - 那么这个预测的“流”应该能够重新调整为 num rows X num cols ？

Answer 1

请参考生成器函数的定义：

samples[j] = data[indices]
targets[j] = data[rows[j] + delay][1]

目标是数据中的第二列，应该是“T (degC)”。所以这个模型以摄氏度为单位预测温度。

关于最后一个 Dense 层，它没有激活函数。所以它只是作为简单的线性回归模型。输出只是上一层多层权重输出的总结。

Answer 2

感谢 NormanZhu 的澄清。 您正确指出生成器targets[j] = data[rows[j] + delay][1] 中的[1] 是我错过的细节。 它是生成器中唯一标识用于拟合/预测的列的位置。
这是有道理的，它让我最终看到了预测（蓝色）

vs 现实（红色）图表。