所以我处于机器学习的初级阶段,我想预测多个时间序列样本 . 时间序列包含每15分钟的样本,我必须预测接下来3天的样本 . 所以将来大约有288个样本 .
我的时间序列还有其他分类功能,所以我实现了一个基于this答案的模型 .
我读了关于seq2seq时间序列预测的编码器 - 解码器 . 但是对如何实现它并将其与多个分类特征结合起来却无法理解 .
-
我是否按照这个答案走向了正确的方向?
-
即使对于大尺寸的Y(在我的情况下,将来288个时间步长),LSTM是否也能正常工作 .
-
我正在考虑将过去7天的样本作为X,因此我对lstm的输入形状是(没有样本,672,1) . 这样可以吗?
-
我应该去编码器 - 解码器吗?如果是,那么任何人都可以请我提供更多的见解,也许是一个很好的教程 .
提前致谢 .
1 回答
是的 .
取决于您拥有多少数据以及您的问题可以学习的程度 .
您使用的数据越多越好 .
编码器 - 解码器架构只是'feedforward your hidden LSTM states'的一个奇特名称 . 我没有看到你需要在你的情况下使用它的原因 .