2
我有一個數據集跨越數百值關於溫度。顯然,在氣象學中,預測未來的價值將基於過去會有所幫助。預測數據集的過去結束與RNN在Keras
我有以下狀態模型,建於Keras:
look_back = 1
model.add(LSTM(32, batch_input_shape=(batch_size, look_back, 1), stateful=True))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
for i in range(10):
model.fit(trainX, trainY, epochs=4, batch_size=batch_size, verbose=2, shuffle=False)
model.reset_states()
# make predictions
trainPredict = model.predict(trainX, batch_size=batch_size)
我已經成功地得以訓練和測試在我的數據集,以合理的結果的模型,但我在努力理解什麼是需要預測接下來,例如數據集中的20個點。顯然,這20個點在數據集之外,他們還沒有「發生」。
我將不勝感激任何會有所幫助;我覺得我錯過了Keras中的一些簡單功能。
謝謝。