LSTM序列预测问题

序列预测问题(Sequence Prediction Problems)

序列预测问题可以分为以下四种：

1. 序列预测
2. 序列分类
3. 序列生成
4. 序列到序列的预测

1.序列预测：从给出的序列预测下一个值如:
Input Sequence: 1, 2, 3, 4, 5
Output Sequence: 6
序列预测通常也可以称为序列学习，下面是一些序列预测的案列：
1.天气预报：根据一系列有关天气的观察结果，预测明天的预期天气。
2.股市预测：给定安全性随时间推移的一系列运动，请预测安全性的下一个运动。
3.产品推荐：给定客户过去的购买顺序，预测客户的下一次购买。

2. 序列分类：序列分类涉及预测给定输入序列的类别标签。 如：
Input Sequence: 1, 2, 3, 4, 5
Output Sequence: “good”
序列分类的目的是使用标记的数据集构建分类模型，以便可以使用该模型来预测未见序列的分类标签。下面是一些序列分类的案例：
DNA序列分类：给定一个A，C，G和T值的DNA序列，预测该序列是用于编码区还是非编码区。
异常检测：给定一系列观察结果，预测该序列是否异常。
情绪分析： 给定一系列文本，例如评论或推文，请预测文本的情绪是正面还是负面。

3. 序列生成：生成一个新的输出序列，该序列具有与语料库中其他序列相同的一般特征。例如：
Input Sequence: [1, 3, 5], [7, 9, 11]
Output Sequence: [3, 5 ,7]
序列生成问题的一些示例包括：
文字生成：给定一个文本语料库（如莎士比亚的作品）生成新的句子或文本段落，读取该句子或文本段落可能是从该语料库提取的。
手写预测：给定一个手写示例语料库，为具有该语料库中的手写属性的新短语生成手写体。
音乐生成：给定一个音乐实例集，生成具有该音乐集属性的新音乐作品。
序列生成还可以指的是给定单个观察作为输入的序列的生成。 一个示例是图像的自动文本描述。如
图像标题生成： 给定图像作为输入，生成描述图像的单词序列。

4. 序列到序列的预测：在给定输入序列的情况下预测输出序列。 例如：
Input Sequence: 1, 2, 3, 4, 5
Output Sequence: 6, 7, 8, 9, 10
预测新序列可能与输入序列具有相同的长度，也可能与输入序列不具有相同的时间.seq2seq的实例如下：
多步时间序列预测： 给定时间序列的观测值，可以预测一系列未来时间步长的观测值序列。
文字摘要: 给定文本文档，预测描述源文档显着部分的较短文本序列。
程序执行: 给定文本描述程序或数学方程式，可以预测描述正确输出的字符序列。