Как мне прогнозировать следующие h дней, используя LSTM?

Question

Скажем, у меня есть серия из 100 дней 1, 2, ..., 100 и временных шагов 3. Как мне создать набор проверки для прогнозирования на 3 дня вперед, если у меня нет истинных данных для дня 101, 102 и 103? Обучающим набором является [t-3, t-2, t-1], где t = [3, 100], как показано ниже:

X        Y
1  2  3  4
2  3  4  5
...
97 98 99 100

Я думаю об итеративном добавлении прогнозируемого значения к данным для каждого прогноз:

iter=1
X            Y_pred
98  99  100  101

iter=2
X            Y_pred
99  100  101 102

iter=3
X            Y_pred
100 101 102  103

Это действительно так или есть лучшие решения этой проблемы?

Большое спасибо заранее.

Answer 1

Как мне создать набор проверки для прогнозирования на три дня вперед, если у меня нет точных данных для дней 101, 102 и 103?

Потеря, в вашем случае, среднеквадратическая ошибка или другие подобные потери, рассчитывается с использованием истинных меток и предсказанных меток. Было бы неправильно заменить один другим. Это касается обучения и оценки.

Следовательно, единственный вариант - сбросить метки после временного шага 97. Если у вас небольшой набор данных и вы предпочитаете минимизировать потерю меток, вы можете замаскировать потери, рассчитанные для временных шагов, в которых отсутствует истинное значение. этикетки. Например, во временном шаге 99 вы можете использовать потерю шага 100, но вы должны игнорировать потерю для шагов 101 и 102.