keras LSTM 预测不佳答案

【问题标题】：keras LSTM poor predictionkeras LSTM 预测不佳
【发布时间】：2022-03-10 03:02:19
【问题描述】：

我正在尝试根据某个序列预测值（我有 5 个值，例如 1、2、3、4、5，并希望预测下一个值 - 6）。我正在为此使用 LSTM keras。

创建训练数据：

import numpy as np 
from keras.models import Sequential
from keras.layers import LSTM,Dense
a = [float(i) for i in range(1,100)]
a = np.array(a)

data_train = a[:int(len(a)*0.9)]
data_test = a[int(len(a)*0.9):]

x = 5
y = 1
z = 0

train_x = []
train_y = []
for i in data_train:
    t = data_train[z:x]
    r = data_train[x:x+y]
    if len(r) == 0:
        break
    else:
        train_x.append(t)
        train_y.append(r)
        z = z + 1
        x = x+1

train_x = np.array(train_x)
train_y = np.array(train_y)

x = 5
y = 1
z = 0

test_x = []
test_y = []
for i in data_test:
    t = data_test[z:x]
    r = data_test[x:x+y]
    if len(r) == 0:
        break
    else:
        test_x.append(t)
        test_y.append(r)
        z = z + 1
        x = x+1

test_x = np.array(test_x)
test_y = np.array(test_y)

print(train_x.shape,train_y.shape)
print(test_x.shape,test_y.shape)

将其转换成 LSTM 友好的形状：

train_x_1 = train_x.reshape(train_x.shape[0],len(train_x[0]),1)
train_y_1 = train_y.reshape(train_y.shape[0],1)
test_x_1 = test_x.reshape(test_x.shape[0],len(test_x[0]),1)
test_y_1 = test_y.reshape(test_y.shape[0],1)


print(train_x_1.shape, train_y_1.shape)
print(test_x_1.shape, test_y_1.shape)

构建和训练模型：

model = Sequential()
model.add(LSTM(32,return_sequences = False,input_shape=(trein_x_1.shape[1],1)))
model.add(Dense(1))

model.compile(loss='mse',  optimizer='adam', metrics=['accuracy'])
history = model.fit(train_x_1,
                    train_y_1,
                    epochs=20,
                    shuffle=False, 
                    batch_size=1, 
                    verbose=2, 
                    validation_data=(test_x_1,test_y_1))

但我得到了一个非常糟糕的结果，谁能解释我做错了什么。

pred = model.predict(test_x_1)
for i,a in enumerate(pred):
    print(pred[i],test_y_1[i])
[89.71895] [95.]
[89.87877] [96.]
[90.03465] [97.]
[90.18714] [98.]
[90.337006] [99.]

那么。

【问题讨论】：

点评来源：我在这里没有看到问题。请编辑您的帖子并添加一个。

标签： python tensorflow keras lstm

【解决方案1】：

您希望网络能够根据您用于训练的数据进行推断。神经网络are not good at this。您可以尝试规范化您的数据，以便不再进行推断，例如，使用相对值而不是绝对值。这当然会使这个例子变得非常琐碎。

【讨论】：

谢谢。我通过 MinMaxScaler() 对数据进行了标准化。之后我得到了更好的预测，但仍然不是很好。 [94.866554] [95.] [95.829] [96.] [96.788605] [97.] [97.74528] [98.] [98.69899] [99.] 你可以看到每一个下一个预测都比上一个更糟糕。我该如何解决？

【解决方案2】：

请使用 x 的第一个推导（始终 delta x == 1 ），然后它可以工作。但这对于这个简单的公式当然没有真正的意义。尝试一些更复杂的东西，比如我的例子：

LSTM prediction of damped sin curve

来源：

https://www.kaggle.com/maciejbednarz/lstm-example

【讨论】：