我有一个包含数百个温度值的数据集。在气象学中,根据过去的数据预测未来的值是非常有帮助的。
我已经使用Keras构建了以下状态模型:
look_back = 1
model.add(LSTM(32, batch_input_shape=(batch_size, look_back, 1), stateful=True))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
for i in range(10):
model.fit(trainX, trainY, epochs=4, batch_size=batch_size, verbose=2, shuffle=False)
model.reset_states()
# make predictions
trainPredict = model.predict(trainX, batch_size=batch_size)
我已经成功地在我的数据集上训练和测试了模型,结果还不错,但是我很难理解如何预测数据集中接下来的20个点。显然,这20个点位于数据集之外,而且它们尚未“发生”。
如果有任何帮助,我将不胜感激;我觉得我可能缺少一些Keras中简单的功能。
谢谢。