在Tensorflow中用RNN预测未来周期的时间序列值
提问于 2017-10-18 04:23:39
我对深度学习和它的时间序列预测方法很熟悉。最近，我发现了一篇关于基于递归神经网络的Tensorflow时间序列预测的文章。
在本文中，测试集是最后的20个值，模型也对数据集的最后20个值进行y_pred预测，然后计算y_test和y_pred的最小均方误差。我的问题是:如何扩展模型，以接收未来的预测(实际预测)？
提前感谢！
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-01-16 07:30:18
在第一步中，您应该使用实值。然后根据需要使用预测值替换最后一个值。希望下面的代码能对您有所帮助。
with tf.Session() as sess:
saver.restore(sess, './model_saved')
preds = []
X_batch = last_n_steps_value
X_batch = X_batch.reshape(-1, n_steps, 1)
for i in range(number_you_want_to_predict):
pred = sess.run(outputs, feed_dict={X: X_batch})
preds.append(pred.reshape(7)[-1])
X_batch = X_batch[:, 1:]
# Using predict value to replace real value
X_batch = np.append(X_batch, pred[:, -1])
X_batch = X_batch.reshape(-1, n_steps, 1)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/46810120
复制相关文章
腾讯云开发者
