CNTK - Прогноз временных рядов
аюсь сделать многошаговое прогнозирование временных рядов с использованием многомерного LSTM в Керасе. В частности, у меня есть две переменные (var1 и var2) для каждого временного шага изначально. Пройдя онлайн-урокВотЯ решил использовать данные во время (t-2) и (t-1), чтобы предсказать значение var2 на временном шаге t. Как показывает пример таблицы данных, я использую первые 4 столбца в качестве ввода, Y в качестве вывода. Код, который я разработал, можно увидетьВот, но у меня есть три вопроса.
var1(t-2) var2(t-2) var1(t-1) var2(t-1) var2(t)
2 1.5 -0.8 0.9 -0.5 -0.2
3 0.9 -0.5 -0.1 -0.2 0.2
4 -0.1 -0.2 -0.3 0.2 0.4
5 -0.3 0.2 -0.7 0.4 0.6
6 -0.7 0.4 0.2 0.6 0.7
Q1: Я обучил модель LSTM с данными выше. Эта модель хорошо подходит для прогнозирования значения var2 на временном шаге t. Однако, что если я хочу предсказать var2 на этапе t + 1? Я чувствую, что это трудно, потому что модель не может сказать мне значение var1 на шаге t времени. Если я хочу сделать это, как я должен изменитькод построить модель?Q2: Я видел, что этот вопрос задавали много, но я все еще в замешательстве. В моем примере, каким должен быть правильный временной шаг в [выборках, временных шагах, функциях] 1 или 2?Q3: Я только начал изучать LSTM. я прочиталВот что одним из самых больших преимуществ LSTM является то, что он сам изучает временную зависимость / размер скользящего окна, тогда почему мы всегда должны преобразовывать данные временных рядов в формат, подобный таблице выше?Обновление: результат LSTM (синяя линия - последовательность обучения, оранжевая линия - основная правда, зеленая - прогноз)