如何使用 LSTM 对过去和当前的特征进行预测？

Question

假设我有一个像下面这样的数据框，折扣是从selling price/list price计算的，unit_sales是当天售出的商品数量。

如果我要用LSTM做第二天的销量预测（绿框内的数据），根据过去3天的销量和折扣（红框内的数据框），再加上第二天的折扣（紫框里的dataframe），dataframe应该怎么reshape呢？

如果我不必考虑当前或未来时间步长的折扣，这可能真的很容易，我只需将其重塑为（样本数量 - 3、3、2）

Answer 1

我会这样做 - 而不是将一个输入输入到您的模型中，您可以有 2 个：discount/sales 对过去 3 天的形状（样本数量 -3、3、2）正如您所建议的那样，另一个具有与当前折扣相对应的形状 (1,)。您可以通过 LSTM 运行前 3 天并将当前折扣连接到 LSTM 的输出。使用功能 API 它将如下所示：

inp_past=Input((3,2))
lstm=LSTM(32)(inp_past)
inp_now=Input((1,))
concatenation= concatenate([inp_now,lstm])
output=Dense(1)(concatenation

这对你有一点帮助吗？

如何使用 LSTM 对过去和当前的特征进行预测？

How to use LSTM to make prediction with both feature from the past and the current ones?

python

tensorflow

keras

lstm

rnn