如何用时间序列数据训练和预测 Keras LSTM？
How to train and predict Keras LSTM with time series data?
我已经弄清楚如何仅使用值来训练 LSTM，但是如果我想包括时间，数据会是什么样子？也许输入维度为 2，时间为纪元秒和归一化值？数据中可能存在时间间隔，我希望培训能够反映这一点。
假设我只想周期性地训练 LSTM，因为这是一个昂贵的操作，你如何预测未来的值，最后一次训练时间和第一次预测时间之间有差距？例如，假设我在 3 天前训练了 LSTM，但现在我想预测第二天的值。
我目前的所有工作都是基于这篇文章：http://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/。但它不包括这些类型的问题。
我认为您可以在构建训练集时处理这种情况，至少如果最后一个值（在输入序列中）和要预测的值之间的时间延迟是固定的。
让X_train有维度：（nb_samples，时间步长，input_dim）和y_train有维度（n_samples，output_dim） .令 x 为一个训练输入样本。它对应于维度为（timesteps，input_dim）的多元时间序列。它对应的输出是维度为 (output_dim).
的 y
在 y 中，您可以预测 x 中最后一个值后 3 天的值，LSTM "should" 掌握了时间依赖性。因此，如果输入中的最后一个值与要预测的值之间的时间延迟是固定的，这应该可行。
我已经弄清楚如何仅使用值来训练 LSTM，但是如果我想包括时间，数据会是什么样子？也许输入维度为 2，时间为纪元秒和归一化值？数据中可能存在时间间隔，我希望培训能够反映这一点。
假设我只想周期性地训练 LSTM，因为这是一个昂贵的操作，你如何预测未来的值，最后一次训练时间和第一次预测时间之间有差距？例如，假设我在 3 天前训练了 LSTM，但现在我想预测第二天的值。
我目前的所有工作都是基于这篇文章：http://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/。但它不包括这些类型的问题。
我认为您可以在构建训练集时处理这种情况，至少如果最后一个值（在输入序列中）和要预测的值之间的时间延迟是固定的。
让X_train有维度：（nb_samples，时间步长，input_dim）和y_train有维度（n_samples，output_dim） .令 x 为一个训练输入样本。它对应于维度为（timesteps，input_dim）的多元时间序列。它对应的输出是维度为 (output_dim).
的 y在 y 中，您可以预测 x 中最后一个值后 3 天的值，LSTM "should" 掌握了时间依赖性。因此，如果输入中的最后一个值与要预测的值之间的时间延迟是固定的，这应该可行。