почему автокодер LSTM работает плохо по сравнению с простым LSTM? - PullRequest
Новая
       52

почему автокодер LSTM работает плохо по сравнению с простым LSTM?

0 голосов
/ 14 апреля 2020

Я запустил простую модель LSTM для оценки объема продаж: 

 model = Sequential()
 model.add(LSTM(4, input_shape=(1, time_steps)))
 model.add(Dense(1))
 model.compile(loss='mean_squared_error', optimizer='adam')
 model.fit(x_train, y_train, epochs=100, batch_size=1, verbose=2

, и полученный результат был неплохим: https://i.stack.imgur.com/VzMFP.png

Затем я добавил несколько функции для повышения точности во время экстремальных событий, таких как Праздник, Выходные, .. но я получил плохие результаты: https://i.stack.imgur.com/yPhWu.png

конечный кодер: 

 ### DEFINE LSTM AUTOENCODER ###
inputs_ae = Input(shape=(sequence_length, 1))
encoded_ae = LSTM(128, return_sequences=True, dropout=0.3)(inputs_ae, training=True)
decoded_ae = LSTM(32, return_sequences=True, dropout=0.3)(encoded_ae, training=True)
out_ae = TimeDistributed(Dense(1))(decoded_ae)

sequence_autoencoder = Model(inputs_ae, out_ae)
sequence_autoencoder.compile(optimizer='adam', loss='mse', metrics=['mse'])

### TRAIN AUTOENCODER ###
sequence_autoencoder.fit(X[:int(0.7*(len(X)))],X[:int(0.7*(len(X)))], 
                        batch_size=128, epochs=100, verbose=2, shuffle=True)

и LSTM после кодирования: 

### DEFINE FORECASTER ###
inputs1 = Input(shape=(X_train1.shape[1], X_train1.shape[2]))
lstm1 = LSTM(128, return_sequences=True, dropout=0.3)(inputs1, training=True)
lstm1 = LSTM(32, return_sequences=False, dropout=0.3)(lstm1, training=True)
dense1 = Dense(50)(lstm1)
out1 = Dense(1)(dense1)

model1 = Model(inputs1, out1)
model1.compile(loss='mean_squared_error', optimizer='adam')

Можете ли вы сказать мне, почему это происходит?

Спасибо всем !!!

...