使用 LSTM 回归 - python 和 Keras

Question

我正在尝试使用 Keras 中的 LSTM 网络来预测未来的时间序列数据。我拥有的数据是 5 个维度的，我正在尝试使用前 3 个周期的读数来预测下一个周期的未来值。我已经规范化了数据并删除了所有 NaN 等，这是我尝试用来训练网络的代码：

def Network_ii(IN, OUT, TIME_PERIOD, EPOCHS, BATCH_SIZE, LTSM_SHAPE):

length = len(OUT)
train_x = IN[:int(0.9 * length)]
validation_x = IN[int(0.9 * length):]
train_y = OUT[:int(0.9 * length)]
validation_y = OUT[int(0.9 * length):]
# Define Network & callback:
train_x = train_x.reshape(train_x.shape[0],3, 5)
validation_x = validation_x.reshape(validation_x.shape[0],3, 5)

model = Sequential()
model.add(LSTM(units=128, return_sequences= True, input_shape=(train_x.shape[1],3)))
model.add(LSTM(units=128))
model.add(Dense(units=1))
model.compile(optimizer='adam', loss='mean_squared_error')
train_y = np.asarray(train_y)
validation_y = np.asarray(validation_y)
history = model.fit(train_x, train_y, batch_size=BATCH_SIZE, epochs=EPOCHS, validation_data=(validation_x, validation_y))
# Score model
score = model.evaluate(validation_x, validation_y, verbose=0)
print('Test loss:', score)
# Save model
model.save(f"models/new_model")

我正在尝试大致遵循此处概述的步骤 - https://machinelearningmastery.com/multivariate-time-series-forecasting-lstms-keras/

但是，无论我在更改用于训练网络的维度数量或时间段长度方面进行了哪些调整，我都无法获得模型的输出以给出不是 1 或 0 的预测。即使数组 'OUT' 中的目标数据由 [0,1] 上的连续数据组成。

我认为我的设置方式可能有问题。Sequential(( 函数，但我看不到要调整的内容。我对此相对较新，因此任何帮助将不胜感激。

Answer 1

您可能正在使用不是标准的预测函数。也许您正在使用predict_classes？

有据可查且标准model.predict

.