Keras 用lstm做时序性的预测

网上随便一搜很多keras的lstm简单教程。

主要讲讲一些比较偏门比较少用，但我觉得挺重要挺好用的部分：

1.多输入多输出（相当于通用的了），

2.stateful的LSTM,

3.结合多输入多输出的stateful，

4.结合多输入多输出的stateful，且在LSTM前增加全连接或卷积或dropout（大部分网上的input直接进入lstm，但lstm好像最多也只能够叠3层）

 

对于1的，要多输入多输出的稍微少一些（同时搜搜bing，百度现在很LJ了），但基本上满足主要lstm应用

对于2，3的，有国外一编介绍很全面，有介绍有代码：https://ahstat.github.io/RNN-Keras-time-series/ 。简单来说stateful就是，模型会一直记录输入的顺序（不同batch之间的也会），而不是只记着设置的time period。只到model.reset_state。否则，学习时也会跨batch有记忆地来学习。当然，设置一个大的batch 跨越所有数据也可以做到这样的效果。文中也有介绍也可代码重现。

对于4的，现在网上一个竞赛的可能的需求。尝试用这种方法看看效果是否好，因为输入的参数可能很多，想先筛选一下再进lstm，不然lstm也不能建很多层。现在，还在等训练结果。初步看，loss跳动比较厉害，还不确定什么原因。