Я использую LSTM для прогнозирования данных, которые должны быть в порядке.Тем не менее, мой LSTM продолжает давать прогноз среднего уровня.Чтобы быть более конкретным:
- Я предсказываю концентрацию химического вещества.
- Концентрация зависит от 7 характеристик.
- Концентрация будет накапливаться во времени.Таким образом, порядок концентрации важен.
- Для моего LSTM я переставляю данные.Скажем, я выбираю time_step = 5.Затем я использую 5 последовательных функций в качестве одного входа (Таким образом, всего 5 * 7).
- Я пробовал два типа выходов LSTM.а.Последовательность к одному: Мой LSTM предсказывает последний выход (Это соответствует концентрации выхода последнего временного шага в моем случае).Или б.Последовательность за последовательностью: My LSTM предсказывает все 5 выходных сигналов, которые соответствуют выходным сигналам на всех 5 временных шагах.
Проблема: Независимо от того, какая выходная модель, LSTM всегда дает мне усредненные данные.Результаты прогноза приведены ниже.Это из-за потери MSE, которую я использую?Я знаю, что среднее значение является оптимальным для расчета максимальной вероятности, если мы используем потери MSE.
Результаты прогноза (красная линия - это предлог) (синий - основная истина)
Увеличено в версии
