用於時間序列的深度學習 Keras 簡單 RNN，預測多個

Question

我對深度學習很陌生，因此研究了如何使用 Keras 解決時間序列問題。 然而，這些卻大不相同。 讓我在 PYTHON 中解釋我的問題：在此處附加輸入圖像描述我有一個數據框：行代表美國的每個城市（行 = 樣本），每列代表 1985-2018 年之間的時間序列，顯示每年的平均溫度（列 = avg temp per year) - 因此，時間序列的年份是一個單獨的特征列。

現在的任務是預測每個城市 2019、2020、2021、2022 年的溫度。

為此，我想應用滾動窗口技術。

1）現在，要在 Python Keras 中應用 Simple RNN，我將如何構建輸入和輸出維度？ X_train 是否需要 X.shape=(cities, time_steps,features) 或者它實際上是 4-dim: (number_of_batches,time_steps,features*cities)？

特別是，我如何構建模型來預測每個城市的每一年？

我不明白這個問題。 非常感謝你的協助！

enter code here

Answer 1

首先，您必須正確定義您的問題，即輸入、輸出和特征。 關於你的第一個問題，Keras 3d 輸入形狀被定義為 (batch_size, timesteps, features)，其中 batch_size 是模型在反向傳播之前看到的觀察數（你必須優化這個超參數），timesteps 是一個的長度數據中的序列。 在您的情況下，您可以使用 1. Features 是您正在使用的功能數量。 從您顯示的數據圖像中，我假設您僅使用城市的溫度作為特征。

當您轉置數據表時，這會變得更加直觀。 因此，您的輸入形狀可能是 Xshape = (10, 1, 6)。

對於您的第二個問題，我建議您遵循本網站上眾多令人敬畏的時間序列預測之一。