Ну, у меня следующий вопрос:
Я хотел изучить некоторые методы прогнозирования в глубоком обучении. Я прогнозирую данные о погоде. В основном я делал нормальные вещи. Нормализация, разделение наборов данных (поезд, тест) и я получаю хорошие результаты.
Но теперь приходит фактический прогноз. Нормальные модели, которые я видел, имеют X (1,2,3,4) *, а затем Y (5,6,7,8) со следующими 4 временными шагами, добавленными к значению Y, которое принадлежит последовательности X. Но вместо 4 следующих шагов. Разве не было бы более точным, если вы тренируете модель только на 1 ответе, но этот ответ еще впереди. Пример: X (5,6,7,8,9,10) Y (15), который предназначен для прогнозирования в 5 временных шагов.
С этим вы можете сделать прогноз l oop на следующие 5 дней , Где конечные значения набора данных выглядят так. и вы будете прогнозировать 5 временных шагов dataset = (6,7,8,9,10,11,12,13,14,15) first_timestep = (6,7,8,9,10,11) Prediction = 16 second_timestep = (7,8,9,10,11,12) Prediction = 17 third_timestep = (8,9,10,11,12,13) Prediction = 18 et c ..
Будет ли это практичным или возникнут какие-либо проблемы с этим?
Заранее спасибо за ответы.