단 변량 시계열 데이터가 있습니다. 나는 다단계 예측을하고 싶다.MLP (multi-layer-perceptron)를 사용하는 단 변량 시계열 예측
시계열 한 단계 예측을 설명하는 this 질문을 발견했습니다. 하지만 다단계 예측에 관심이 있습니다. 나는 앞서 3 단계 예측을 할
time value
---- ------
t1 a1
t2 a2
..........
..........
t100 a100.
한다고 가정처럼
예컨대 일반적으로 단 변량 시계열 데이터 보인다. 은 내가
1 층은 50 개 뉴런을 가지고 있으며, 6 개 입력을 기대 백엔드로 keras 및 tensorflow을 사용하고
TrainX TrainY
[a1,a2,a3,a4,a5,a6] -> [a7,a8,a9]
[a2,a3,a4,a5,a6,a7] -> [a8,a9,a10]
[a3,a4,a5,a6,a7,a8] -> [a9,a10,a11]
.................. ...........
.................. ...........
처럼 내 문제를 프레임 수 있습니다. 은닉층 30 개 뉴런 출력층 3 개 뉴런 즉 (출력 세 시계열 값)를 갖고 보유
model = Sequential()
model.add(Dense(50, input_dim=6, activation='relu',kernel_regularizer=regularizers.l2(0.01)))
model.add(Dense(30, activation='relu',kernel_regularizer=regularizers.l2(0.01)))
model.add(Dense(3))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(TrainX, TrainY, epochs=300, batch_size=16)
내 모델 내 입력 A101, A102, A103 때 A107, A108, A109 를 예측할 수있을 것이다 , a104, a105, a106 이것은 유효한 모델입니까? 내가 놓친 게 있니?