[問題] 時間序列預測相關問題
作業系統:Win10
問題類別:LSTM
使用工具:python,keras
各位高手們
目前小弟在做時間序列的預測遇到了一些問題。
我有300個樣本，300個樣本都是對同樣的物品做溫度採集，
量測這個物品從正常到壞掉的溫度曲線，這300個樣本的長度都不一樣。
我想做的是用前一分鐘的溫度預測後一分鐘的溫度。
目前的做法是像許多網路的範例，把所有訓練資料變成
X[Tn~Tn+60]，Y[Tn+1~Tn+61]再進行模型的訓練。
目前模型的架構是如下:
model.add(Masking(mask_value=2, input_shape=(60, 1)))
model.add(Bidirectional(LSTM(200, return_sequences=True)))
model.add(Bidirectional(LSTM(150, return_sequences=True)))
model.add(Bidirectional(LSTM(150, return_sequences=True)))
model.add(Dense(1))
model.compile(loss='mse', optimizer=Adam(lr=1e-3), metrics=['mape', 'acc'])
model.summary()
model.fit(X_train, Y_train, epochs=500, batch_size=400,
validation_split=0.33,callbacks=[callback], shuffle=True)
會使用Masking的原因是序列沒辦法被60整除，所以我全都塞2讓序列能整除。
之前也試過LSTM，GRU訓練的結果都不好。
目前問題是:
[1] 訓練出來的loss與準確度都很低，有甚麼辦法可以改善?
[2] 以我這個例子的話，訓練資料的切分方式是正確的嗎?
[3] 每個樣本是獨立的，像我這樣把所有資料混在一起，
資料與資料之間，時間的關聯性是不是很低?
[4] 有辦法一個樣本訓練完，換下一個樣本訓練嗎?
麻煩各位高手指點我一下，我在這塊還很菜...
有甚麼講的不清楚的，我可以再多做補充，謝謝各位
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.130.24.161
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1542169272.A.9BB.html
推
11/20 08:41,
5年前
, 1F
11/20 08:41, 1F
→
11/20 08:41,
5年前
, 2F
11/20 08:41, 2F