с использованием модели keras, подходящей несколько раз для каждого набора обучающих данных

Question

У меня есть временной ряд 10 файлов данных.Из них я тренирую модель LSTM с 5 файлами данных, проверяю с использованием 3 файлов и проверяю с использованием 2 файлов.Я использовал fit_generator от Keras и написал одну функцию генератора для обоих кадров данных обучения и проверки.Но, к сожалению, во время прогноза его первоначальные прогнозы намного выше первоначальной цели.

С другой стороны, если я использую model.fit для каждого фрейма данных, то сравнительно получаю лучший результат.Мой вопрос: «Правильный ли подход для данных временных рядов, когда каждый из файлов данных является отдельным (например, каждый содержит оценки от 0 до 24 часов), чтобы использовать подгонку на каждой итерации для каждого из файлов данных?»

for scaled_dataset in training_list:

    reframed_new = series_to_supervised(scaled_dataset, n_in, n_out)


    values = reframed_new.values
    train = values
    # split into input and outputs
    train_X, train_y = train[:, :-1], train[:, -1]
    # reshape input to be 3D [samples, timesteps, features]
    train_X = train_X.reshape((train_X.shape[0], 1, train_X.shape[1]))
    model.fit(train_X, train_y, epochs=50, batch_size=475, validation_data=None, verbose=1, shuffle=False)

В моем коде тренировочный список содержит все 5 отдельных фреймов.Поэтому в каждой итерации я подгоняю одну модель.Может кто-нибудь, пожалуйста, скажите мне, если это правильный подход или нет, спасибо заранее

Answer 1

Вот что я понял из вашего вопроса:

• У вас есть 10 различных файлов временного ряда, все они содержат отдельные данные, в диапазоне от 0 до 24 часов.Мой первый вопрос заключается в том, какова последовательность этих файлов, означает ли файл нет.1 и номер файла2 и т. Д. Принадлежат одной и той же последовательности?

  1. Если ДА, вы можете попытаться добавить эти кадры данных и обучить простую модель прогнозирования и посмотреть результаты.
  2. Поскольку все ваши файлы варьируются от 0 до 24 часов, вы можете установить batch_size равной длине вашего файла.Функция генератора будет полезна в ситуации, когда вы не знаете конец своего набора данных или если ваш временной ряд имеет другую длину.

Если нет, вам придетсятренировать разные модели для разных временных рядов.