如何训练在线回归模型

Question

我有一个形状为(9430, 12)的数据集。 拟合时出现问题：所有12特征都是我的X和我的Y 。 我的意思是，这是一个在线学习模型，我训练我的data[i]然后预测data[i+1] 。 正如你所看到的，正如我之前所说， Y = X 。

data.shape = (9430, 12)
Y = X = data.values
model.fit(X, Y)

这是错误的吗？ 如果是，我还能如何训练它？

Answer 1

我了解您的目标是，在每个时间步，您都希望预测下一个时间步的输入。

现在，您正在尝试预测与作为输入传递的输出相同的输出。 鉴于Y[0] = X[0]、Y[1] = X[1]等。

您应该在 Ys 矩阵中将窗框移动一位。 例如，假设 X 是一个 numpy 数组，你可以这样做：

import tensorflow as tf
Y = tf.concat((np.copy(X[1:,:]),np.zeros((1,12))), axis=0)
X = tf.convert_to_tensor(X)

此代码将实现： Y[0] = X[1] , Y[1] = X[2] ，这是能够在每个点预测下一个的期望输出。

准备好两个张量后，您就可以使用 Tensorflow 或 Keras 拟合您的模型。 请记住，Ys 矩阵中的最后一行只是一个 0 的虚拟行，因为您不知道下一步的基本事实是什么。 执行训练时，您可能应该从数据集中跳过它。

此外，对于预测序列数据，循环神经网络（如LSTM、长短期记忆）更合适。 我建议你看看他们:)