2回答
我有多个变量，我的数据是多元时间序列数据，我想用2008年的测试数据来预测2019年的数据，有可能吗？我对长期记忆神经网络的工作感到困惑，它究竟会不会是do.does，我的问题会在多元多步预测下出现？还是多变量单步预测？
浏览 0提问于2020-01-04得票数 0
1回答
例如，培训和预测股票市场价格，但有3种预测，1如果宏观经济因素增加x% (如通货膨胀或利率)，1如果它下降了x%和1如果它保持不变？什么回归机器学习算法允许我们传递未来的期望值，以看到多个“什么-如果”的预测？
编辑:进一步解释。我想预测时间序列的数据，同时传递一个额外的自变量(时间除外)。这是可能的吗?
浏览 0提问于2022-10-26得票数 0
1回答
我想要创建一个LSTM模型，它可以对所有特性的未来时间步骤进行预测。例如，我想使用第一个2000示例来训练我的模型，并使用下一个1000来测试它。问题是我不知道如何进行。之后的问题是，我不知道如何使用Keras为我的LSTM提供数据，以便使用这样的数据集进行几步预测。
浏览 0提问于2018-03-08得票数 0
1回答
需要对每种产品进行需求预测。我想在这个数据集中应用SARIMAX模型。
我是否需要为每个产品分别建立单独的预测模型，还是有一些解决办法来共同处理多个产品的预测？另一个方面:如何检查多元时间序列的平稳性。我遇到了adf测试，它适用于单变量数据，Johansen的测试可以工作12个独立变量。是Johansen检验多元时间序列平稳性的最佳方法。
浏览 0提问于2020-07-24得票数 0
1回答
我有一个dataset timeseries预测，其中包括分类列和数字。我希望将价格列预测为Y_label，并将分类_fature_1、分类_fature_2、Feature_1_numeric和Feature_2_numeric作为X_features
因此，根据我的理解，在时间序列预测中使用多种特征来预测价格列，这就是所谓的多元时间序列预测。2-我相信，如果我们在同一时间/日期有多个观测，那么我们有一种新的时间序列预测，它是多时间步长、多元时间序列
浏览 0提问于2021-08-04得票数 1
回答已采纳
你好，我需要帮助，我是时间序列的新手，我正在设计一个多元时间序列实验。x5 y 2022-01 7.8 9.3 0 0 2.3如果这是一个多元回归问题，我会做model.predict( X_test )，其中X_test将是x1...x5数据，以得到yhat，但是在多元时间序列中在这个多变量时间序列问题中，我想这样做，比如model.forecast(X_test,10)，其中X_test将是x1...x5数据，10是得到预测值的预测范围。有什么方法可以通过声明自变量来预测吗？
浏览 14提问于2022-05-26得票数 0
1回答
我看过这个：一维时间序列Keras和多维多元时间序列预报(RNN/LSTM)如果我只有几周的一些账户的数据，而其他的几年的数据呢？作为参考，我熟悉RNN和标准神经网络，但这是
浏览 0提问于2018-12-20得票数 1
回答已采纳
关于如何在R中使用有状态的博客帖子来预测太阳黑子，有一个很好的keras。我把它应用于金融ts数据集，而我遇到的问题是，一些预测数据在某种程度上是不合理的。因此，我想知道是否有一个使用LSTM进行多元时间序列预测的R教程？我想包括像开盘价和收盘价这样的变量，因为我认为这将使预测值“正常化”。我在Python中找到了一些教程，但我对它的经验有限。
浏览 0提问于2019-02-11得票数 5
我在tensorflow 2中使用LSTM建立了一个预测。我的目标是根据过去总销售额的历史值和所有其他变量(库存、平均订单价值、新客户、是否是假日，以及是否正在进行促销)来预测总销售额。然而，我也有一个计划的时间表，为未来的促销日，我希望我的模型考虑到在预测销售总额。例如，每一次促销活动，与非销售日相比，销售额都会显著增加。因此，当我的模型进行预测时，它需要考虑未来的一天是否会有升迁。但是，我不知道如何塑造这些数据，或者将其适当地加载到LSTM中。
浏览 0提问于2020-09-06得票数 0
1回答
我正在阅读关于在Keras 中使用LSTMs进行多变量时间序列预测的教程。这是因为，数据集作为一个有监督的学习问题的框架是关于在当前时刻/时间步骤“t”预测“污染”，考虑到前一小时/时间步骤“t-1”的污染和天气测量结果。在将模型拟合到训练和测试数据分裂之后，如果我想对一个具有7个特征的新数据集进行预测，因为它中没有“污染”特性，而我明确地希望使用另一个7个特征来预测这一个特征，该怎么办？
谢谢你的帮忙!但在预测时，我有一个时间步骤，但只有两个特性(因为'number_of_
浏览 2提问于2018-07-06得票数 0
2回答
我目前正在学习神经网络，但我还没有探索像RNN和CNN这样最成功的预测体系结构。我很好奇是否有一种方法可以将标准网络应用于预测时间序列中的未来值。
浏览 4提问于2018-02-02得票数 1
1回答
我一直在研究Python中的多元时间序列。我使用的方法是LSTM。但这一预测看起来非常糟糕。甚至我的RMSE和MAE值都很高。RMSE=18.089，MAE=14.907.这对预测没有好处。我想用这样一种方法来预测，误差应该保持在0到1之间。adam')但总体预测并不乐观📷
我怎样才能改进我的预测？
浏览 0提问于2020-08-25得票数 0
1回答
我已经阅读了一些关于时间序列的教程，他们都为时间序列购买了一只股票，并试图预测它。我的数据集包含这个时间段(每天)的许多股票。我是否需要选择一只股票，或者其中的一部分，或者所有的股票来训练模型？
浏览 0提问于2020-06-17得票数 2
1回答
现在我的预测数据集预测的关键特征没有在训练集中使用的3个特征的观测值。因此，我只有一个用于预测的特征子集，而神经newtork是针对更广泛的特征进行训练的。
我该如何处理这样的问题？你能使用神经网络来处理缺失的特征吗？我的想法如下:首先，我在训练集上使用神经网络，但现在在缺失的特征上进行训练。因此，我可以预测预测数据集中缺少的3个特征。现在，我在这个新的预测数据集上使用神经网络。
浏览 3提问于2017-05-07得票数 0
1回答
例如，如果我试图预测句子中的下一个单词，我可以使用二元语法方法，并根据语料库中的前一个单词计算单词出现的概率。什么时候使用神经网络比使用经典方法更好。在这种情况下，神经网络与n元语法模型。如果这个问题含糊不清，我深表歉意。也许答案是试错，并检查哪个模型的性能更快，预测更好？
神经网络的性能会更好，因为预测只是一个向量乘法，而使用n元语法模型进行<em
浏览 13提问于2016-09-27得票数 2
回答已采纳
1回答
我正在使用人工神经网络开始互联网流量预测(时间序列预测)的工作，但我在这方面的经验很少。
无监督的深度学习是时间序列学习的好主意吗？
浏览 1提问于2014-05-07得票数 8
2回答
由于许多论文都描述了神经网络可以预测股票回报，所以我也开始研究这种方法。我无法精确地训练NN，即使在训练数据集上，我的预测也不匹配。我使用技术指标作为输入，将未来10天的最大值作为目标向量，但经过训练的神经网络即使对于训练数据集也无法预测精确值。我认为输入和输出数据之间存在一些不匹配。
浏览 2提问于2012-03-07得票数 2
1回答
我试图设计一个前馈神经网络来预测回归值。最大值125和最小值是-1000在训练集的相依值。有人能建议我如何改进预测吗。
浏览 2提问于2018-03-23得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
