LSTM хуже прогнозов - PullRequest
Новая
       38

LSTM хуже прогнозов

0 голосов
/ 08 января 2020

Мы работаем с LSTM для прогнозирования спроса с данными за 1 год на ежедневном уровне. Однако он не может предсказать закономерность. Мы создали последние 7 дней исторического окна как независимые элементы и некоторые другие функции, чтобы четко отражать тенденции и сезонность. Можете ли вы предложить изменение в коде для захвата шаблона.

Архитектура RNN 

train_univariate = np.array(x_train_uni).reshape(x_train_uni.shape[0], 1, x_train_uni.shape[1])

  #train_univariate = train_univariate.cache().shuffle(BUFFER_SIZE).batch(BATCH_SIZE).repeat()

  test_univariate = np.array(x_test_uni).reshape(x_test_uni.shape[0], 1, x_test_uni.shape[1])
  #test_univariate = test_univariate.batch(BATCH_SIZE).repeat()
  _optimiser = ['Adam','Nadam','RMSprop']
  model = tf.keras.models.Sequential()
  model.add(tf.keras.layers.LSTM(144,batch_input_shape=train_univariate.shape[-3:]))
  model.add(tf.keras.layers.Dropout(0.2))
  model.add(tf.keras.layers.Dense(32))
  model.add(tf.keras.layers.Dropout(0.2))
  model.add(tf.keras.layers.Dense(1))
  model.compile(loss='mean_squared_error', optimizer=_optimiser[1])
  #model.summary()
  model.fit(train_univariate,y_train_uni,epochs=200)

Выходной график

...