rnn/lstm等模型的时间序列预测，是预测下一天的，还是能够一下预测一个时间段呢
预测的结果是一天，还是一个时间段，取决于你的训练集是怎么设置。如果你的训练集是“特征 -\u0026gt; 一天的结果”，那么预测也是一天的结果。那么怎么改造数据集变成“特征 -\u0026gt; 一段时间的结果”呢？最简单的方法，举个例子，一般的数据集长这样（注，Xi表示第i天的特征向量，yi则是第i天的实际结果）：
X1 -\u0026gt; y1
【rnn/lstm等模型的时间序列预测，是预测下一天的，还是能够一下预测一个时间段呢】 X2 -\u0026gt; y2
...
X9 -\u0026gt; y9
想预测连续三天的数据，那么可以把结果变成一个三维的向量：
X1 -\u0026gt;
X2 -\u0026gt;
...
X7 -\u0026gt;
当然，这只是最简单的做法，视具体问题而定吧，我现在也只是纸上谈兵，正在写代码中。
■网友
谢邀.
首先, 假设你现在处于
, 然后你从RNN里面学习到dynamic equation
, u是input. 当你有了dynamic equation后, 有两种预测方式
(1) “根据前一段时间预测下一段时间”, 也叫simulation. Simulation是根据
和
产生
. 在
,你得到的是
. 这种方式可以用来validate RNN学到的dynamic equation.
(2) "根据前一段时间预测“下一天”然后再不停的滑动推进", 也叫prediction. 这里面, 我假设你能观察到state vector或者有一个Observer去estimate state vector，以及做的是one-step ahead prediction. 那么, 在
的时候, 你得到的是
.
希望能有帮助
■网友
我有个疑问哈，预测一段时间的做法：
1.预测一天的数据，将该数据带入已知数据中，根据已得模型向前滑动预测下一天的数据
2.预测一天的数据，将该数据带入训练数据中，重新训练模型，训练数据总长度加1，则可以得到下一天的数据。
这两种做法，不考虑时间上的效率的话，，哪种误差小？方法2是否有可借鉴之处
■网友
能够预测下一天就能够预测下一个时间段。
我们假设最简单的一种情况：预测下一天某网站的访问量
训练数据：某网站每天的访问量，共有N天的数据，即X0,...,Xn-1
LSTM的time_step=3
Sample0: (X0, X1, X2) -\u0026gt; (Y3)
Sample1: (X1, X2, X3) -\u0026gt; (Y4)
...
模型训练好之后，假设我要预测下一天网站的访问量Pt，现在已知的是Pt-3, Pt-2, Pt-1，那么将它们喂进模型，出来的就是Pt：
(Pt-3, Pt-2, Pt-1) -\u0026gt; Pt
好了，下面预测一个时间段的以此类推往下做就可以了。
推荐阅读
- 赛车|kit 大师作！顺滑体验！MFH 1:20 法拉利 Ferrari 312B3 赛车模型
- 汽车|【模型改装】青岛社1/24 火箭兔 Frs86
- 关系营销有没有严谨的分析模型
- 线性模型中参数Θ=(XTX)?1XTY的推导过程
- |青少年科技模型竞赛盐城市选拔赛
- 爱车模|那年，丰田博物馆展示了 50 台 1:5 大比例汽车模型
- 趣头条|能开走的布加迪模型车开售 起售价约24万元/限量500辆
- 隐马尔科夫模型中，隐藏状态会不会陷入了黑洞，停留在一个状态不出来了
- 开直播工作室问题1具体刷量倒量方法途径2除了主播还要啥如运营等3分析模型付费率用户转换率等需要吗
- 赛车|基本没有做工和细节的保时捷模型，但却很值得买！