时序数据深度学习笔记——DNN（二）

一、多步模型与多输出模型

        多步模型指的是模型的输出是一系列值，表示对未来许多时间步长的预测，而多输出模型则对多个目标产生预测。

二、多步模型使用

1、基线创建

        多步模型的基线可以使用两种方法，分布为使用最后一个数据点或者将历史数据点移位一个周期（24小时）的结果作为基线。

class MultiStepLastBaseline(Model):
    def __init__(self, label_index=None):
        super().__init__()
        self.label_index = label_index

    def call(self, inputs):
        if self.label_index is None:
            return tf.tile(inputs[:, -1:, :], [1, 24, 1])
        return tf.tile(inputs[:, -1:, self.label_index:], [1, 24, 1]) #接受输入并在 24 个时间步骤中重复输入序列的最后一个值

class RepeatBaseline(Model):
    def __init__(self, label_index=None):
        super().__init__()
        self.label_index = label_index

    def call(self, inputs):
        return inputs[:, :, self.label_index:]    #返回输入序列


multi_window = DataWindow(input_width=24, label_width=24, shift=24, label_columns=['tra