如何訓練在線回歸模型

Question

我有一個形狀為(9430, 12)的數據集。 擬合時出現問題：所有12特征都是我的X和我的Y 。 我的意思是，這是一個在線學習模型，我訓練我的data[i]然后預測data[i+1] 。 正如你所看到的，正如我之前所說， Y = X 。

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

這是錯誤的嗎？ 如果是，我還能如何訓練它？

Answer 1

我了解您的目標是，在每個時間步，您都希望預測下一個時間步的輸入。

現在，您正在嘗試預測與作為輸入傳遞的輸出相同的輸出。 鑒於Y[0] = X[0]、Y[1] = X[1]等。

您應該在 Ys 矩陣中將窗框移動一位。 例如，假設 X 是一個 numpy 數組，你可以這樣做：

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

此代碼將實現： Y[0] = X[1] , Y[1] = X[2] ，這是能夠在每個點預測下一個的期望輸出。

准備好兩個張量后，您就可以使用 Tensorflow 或 Keras 擬合您的模型。 請記住，Ys 矩陣中的最后一行只是一個 0 的虛擬行，因為您不知道下一步的基本事實是什么。 執行訓練時，您可能應該從數據集中跳過它。

此外，對於預測序列數據，循環神經網絡（如LSTM、長短期記憶）更合適。 我建議你看看他們:)