如何解决使用TensorFlow
鉴于根据包括时间在内的多个参数的一组多元数据,我想针对这些参数预测和内插变量。具体来说,我有一个数据集:
- 700个变量
- 嵌入在时间步中但彼此独立的2个离散参数(包括时间在内总共3个参数)
- 时间序列包括10,000个时间步长
下图包含部分数据的图。它显示根据时间和参数#1的前8个变量的值。参数#1的范围为100到500,增量为100,并嵌入到时间步中。 1,000个时间步的值与参数#1相同。
这是根据参数#1,t = 1〜5,000的变量与时间的关系图:
我的第一个想法是开发LSTM模型,并将其他参数嵌入“功能”中,因为LSTM输入需要[batchsize,timestep,feature]
的3D形状。因此,对于输入,它将为[1980,20,700+2]
,而输出将为[1980,700]
。我训练了LSTM模型并对其进行了预测,但这会给我带来奇怪的结果。
我的猜测是,由于LSTM网络是基于单个参数,时间开发的,因此无法预测其他参数。
另一个粗略的猜测是使用自动编码器并使用GAN等技术,但这是一个疯狂的猜测。
对于此数据,变量的响应是线性的,可以使用简单的插值代码进行预测。但是我打算将来使用非线性响应。
如果LSTM网络无法根据多个参数处理预测/内插,我应该使用哪种网络?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。