见过好多LSTM时序预测的例子，但是好多都不是真正的预测

最新推荐文章于 2024-09-02 20:01:55 发布
最新推荐文章于 2024-09-02 20:01:55 发布
阅读量1w 收藏 93
点赞数 30
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42497252/article/details/100095942
版权

目前见到的所谓预测，用keras做的都是那种用训练集训练出模型，然后放到测试集上，严格上这种相当于validation而已。实际上应该是这样，比如用训练的最后5个值，预测新值，然后再用新值+之前4个，凑成5个值继续预测下面，以此类推。
不过实际这种预测方式我试了好多，也改了很多网络，CNN+LSTM等等，发现实际预测还有很大问题，预测结果经常会趋于一条直线，有懂的朋友们可以互相交流
ps
比较喜欢的一个外文博客，mark一下
https://machinelearningmastery.com/blog/

09踏雪飞鸿
关注
一文速学数模-时序预测模型(四)二次指数平滑法和三次指数平滑法详解+Python代码实现
master_hunter的博客
08-30 5172
好久没来更时间序列分析算法了，今天把平滑法这一个常用且宽泛的时序算法给补完。这篇文章完结了就代表整个传统时序预测算法讲完了。一文速学-时间序列分析算法之指数平滑法详解+Python代码实现_fanstuck的博客-CSDN博客_指数平滑法python下篇文章就是详解单变量时间序列预测的所有模型和算法了。此系列将会一直写到现在比较火热的LSTM短时时序预测以及更多先进且方便的时序预测算法。希望读者看完能够在评论区提出错误或者看法，博主会长期维护博客做及时更新。在一次指数平滑法的基础之上再去做趋势移动。....
一切皆是映射：强化学习在金融市场预测中的应用：挑战与机遇
AI天才研究院
07-12 388
在当今复杂多变的金融市场中，准确预测市场走势和做出最优投资决策一直是投资者和金融机构追求的终极目标。传统的金融市场分析方法，如基本面分析和技术分析，虽然在一定程度上能够帮助投资者做出决策，但往往难以应对市场的高度复杂性和不确定性。随着人工智能技术的快速发展，特别是强化学习（Reinforcement Learning，RL）在各个领域的成功应用，将其引入金融市场预测和决策领域成为了一个极具前景的研究方向。强化学习作为机器学习的一个重要分支，其核心思想是通过与环境的持续交互来学习最优策略。
使用LSTM预测结果为一条直线原因总结
CSDN 精品推荐
01-17 5872
使用LSTM预测结果为一条直线原因总结
时间序列预测模型实战案例(三)(LSTM)(Python)(深度学习)时间序列预测(包括运行代码以及代码讲解)_lstm预测模型
2301_79835671的博客
04-11 2860
LSTM的变体只有忘记门的LSTM单元独立循环(IndRNN)单元双向RNN结构(LSTM)运行代码代码讲解LSTM（Long Short-Term Memory）是一种常用的循环神经网络（RNN）模型，用于处理序列数据，具有记忆长短期的能力。在时间序列预测中，LSTM既可以多元预测机制又可以作为单元预测机制使用。作为多元预测机制，LSTM可以处理多个相关变量的历史数据，从而可以预测这些变量的未来值。具体地，我们可以将多个变量的历史数据作为LSTM的输入，将多个变量的未来值作为LSTM的输出。在训练过程中，
超完整！11 种经典时间序列预测方法！
最新发布
m0_59235245的博客
09-02 1314
本文演示了11 种不同的经典时间序列预测方法，以及时间序列方法的对比及实践教程。自回归 （AR）移动平均线 （MA）自回归移动平均线 （ARMA）自回归综合移动平均线 （ARIMA）季节性自回归综合移动平均线 （SARIMA）具有外生回归的季节性自回归积分移动平均值 （SARIMAX）向量自回归 （VAR）向量自回归移动平均 （VARMA）具有外生回归的向量自回归移动平均值 （VARMAX）简单指数平滑 （SES）Holt Winter 指数平滑 （HWES）
LSTM入门例子：根据前9年的数据预测后3年的客流（PyTorch实现）
diezhongbing1358的博客
09-05 2054
循环神经网络，lstm，长短期记忆
LSTM预测结果是一条直线
MarineKings的博客
11-29 6641
1.一般情况下是lstm中units的值过小，将值增大即可。 2.可能是最后全连接层dense的激活函数的原因，将其去掉，或者改为sigmoid。
LSTM时间序列预测结果呈现出一条直线的解决办法
weixin_43025542的博客
10-09 1万+
一、前景介绍 利用lstm做时间序列预测时，首先要将时间序列预处理一下，确定根据前timestep步预测后面的数据。 假定给一个数据集 { A,B,C,D->E B,C,D,E->F C,D,E,F->G D,E,F,G->H } 这时timestep为4，即根据前四个的数据预测后一个数据的值。 按此将数据集切分为训练集和测试集。 时间序列预处理函数，生成train_x与t...
算法面试RNN、LSTM、GRU一文必备
weixin_44625028的博客
01-24 1117
算法面试必看
视频行为识别检测综述 IDT TSN CNN-LSTM C3D CDC R-C3D
热门推荐
万有文的博客
06-20 14万+
本文github地址 Video Analysis之Action Recognition(行为识别) 行为识别就是对时域预先分割好的序列判定其所属行为动作的类型，即“读懂行为”。 [行为检测|论文解读]行为检测调研综述 较新 基于Deep Learning 的视频识别技术 科研成果—-中国科学院深圳先进技术研究院 面向人体姿态行为理解的深度学习方法 CVPR 2014 Tut...
利用深度学习进行时间序列预测
TensorFlowNews
10-06 3052
作者|Christophe Pere 编译|VK 来源|Towards Datas Science 介绍 长期以来，我听说时间序列问题只能用统计方法(AR[1]，AM[2]，ARMA[3]，ARIMA[4])。这些技术通常被数学家使用，他们试图不断改进这些技术来约束平稳和非平稳的时间序列。 几个月前，我的一个朋友(数学家、统计学教授、非平稳时间序列专家)提出让我研究如何验证和改进重建恒星光照曲线的技术。事实上，开普勒卫星[11]和其他许多卫星一样，无法连续测量附近恒星的光通量强度。开普勒卫星在2009年至
网络输出为一条直线
weixin_54727055的博客
06-28 1897
在用LSTM进行序列预测时出现网络输出为直线（在用ResNet和CNN中没有出现这种情况，可能是LSTM对输入要求比较高） 问题原因是归一化！！！将数据进行归一化后网络输出正常！！PS：需要注意的是不能简单将数据集归一化，因为在整个数据集中，可能极大值或者极小值大小差很多或者是输入有异常数据幅值很大。需要在使用的数据中进行归一化...
毕业设计 基于LSTM的预测算法
m0_76217654的博客
03-26 1233
今天学长向大家介绍LSTM基础基于LSTM的预测算法 - 股票预测 天气预测 房价预测🧿选题指导, 项目分享：见文末。
用LSTM进行时间序列预测（单步，多步，单变量，多变量）
Dove_1234的博客
03-03 1万+
LSTM因其具有记忆的功能，可以利用很长的序列信息来建立学习模型，所以用它来进行时间序列的预测会很有优势。 在实际工程中用LSTM进行时间序列的预测主要有两个难点：一是前期对数据的处理，二是初始模型的搭建。
LSTM预测结果不一样
Daniel_dj的博客
09-24 5524
项目场景： 预测->LSTM 问题描述： 相同数据的情况下，使用LSTM进行预测，但是每次得到的预测结果都不相同，存在偏差。 原因分析： 1.数据开始进行了随机处理（分测试集和训练集的时候随机抽样） 2.dropout层，含有随机性 解决方案： 选择训练出的最佳模型将其进行保存，后面直接对其进行调用。 ...
Python时间序列LSTM预测系列教程（6）-单变量
iyangdi的博客
09-07 4703
简单LSTM案例的扩展思考 基于Python时间序列LSTM预测系列教程（4）~（5）中介绍的LSTM案例 是最简单状态的LSTM，要得到优化的LSTM，需要进行很多扩展实验 1、Mini-Step预测 可以将预测变成n-time step的预测 2、Tune模型 至少tune下神经元个数和epoch的次数 在训练期间，通过回调进行早期停止，也可能获得好的结果
深入理解LSTM
weixin_37737254的博客
09-19 796
LSTMAuthor：louwillFrom：深度学习笔记原始结构的RNN还不够处理较为复杂的序列建模问题，它存在较为严重的梯度消失问题，最直观的现象就是随着网络层数增加，网络会逐渐变...
评论 52
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值