我正在使用LSTM(keras包)进行R中的时间序列预测 .
我创建了一个LSTM网络,它采用174个不同的输入节点(星期几,前一天滞后等)和61个输出列(预测接下来的61天) . 激活功能是 sigmoid
.
损失在40个时期后稳定在0.0024
LSTM神经网络似乎并不认为某些输入节点是重要的,并且在假期等特殊日子里不起作用 . 我怎么解决这个问题?
我已经尝试过调整超级参数,如epoch,batchsize和神经元 . 我还引入了新的隐藏层并更改了激活功能以使用relu .
LSTMmodel <- keras_model_sequential()
LSTMmodel %>% layer_reshape(target_shape = c(1,174),input_shape = c(174)) %>% layer_lstm(units = 20) %>% layer_dense(units = (61))
LSTMmodel %>% compile( loss = "mse", optimizer = 'adam')