我试图使用外生变量预测时间序列,并已成功地使用SARIMAX模型进行预测,我尝试使用RNN模型(特别是LSTM模型)做同样的事情,但无法找到任何实现外生变量的方法(我有完整的历史数据),但这个变量会影响时间序列,因此需要加以考虑。 非常感谢您的帮助 谢谢
我试图使用外生变量预测时间序列,并已成功地使用SARIMAX模型进行预测,我尝试使用RNN模型(特别是LSTM模型)做同样的事情,但无法找到任何实现外生变量的方法(我有完整的历史数据),但这个变量会影响时间序列,因此需要加以考虑。 非常感谢您的帮助 谢谢
请查看cond-rnn。它是一个实现你所需功能的库。
如果你有时间序列数据和其他不依赖于时间的输入,比如来自巴黎和旧金山的天气数据,你想预测下一个温度值,同时你期望基于城市的不同,天气会发生变化。你可以选择以下方法之一:
将辅助特征与时间序列数据组合(难看!)
将辅助特征与RNN层的输出连接起来。这是一种后处理RNN的方式,因为RNN层看不到这些辅助信息。
或者使用这个库!长话短说,用学习到的条件表示(例如巴黎或旧金山)初始化RNN状态。这样你就可以优雅地建模P(x_{t+1}|x_{0:t}, cond)。
而且它非常容易使用。
outputs = cond_rnn.ConditionalRNN(units=NUM_CELLS, cell='LSTM')([inputs, cond])