是的，这是神经网络的简单应用。在这种情况下，yk 是最后一层（“分类器”）的输出；xk 是一个特征向量，yk 是它被分类的内容。为简单起见，请准备好数据，使 N 对所有人都相同。您遇到的问题可能是在时间序列的情况下，您将没有足够的数据：您需要（理想情况下）许多 1000 个示例来训练网络，在这种情况下，这意味着时间序列，而不是点。查看有关神经网络的专业文献，以了解有关网络架构的想法的时间序列预测。

图书馆：在http://deeplearning.net/software/pylearn2/尝试 Pylearn2 这不是唯一的好选择，但它应该为您服务。

我已经使用不同的系列训练了一个 LSTM X_train_list：

epochs=1000
for i in range(epochs):
print("Epoch: " + str(i))

for i in range(len(X_train_list)):
    X_train, y_train=X_train_list[i], y_train_list[i]
    regressor_mae.fit(X_train, y_train, shuffle=False, epochs = 1, batch_size = batch_size)
    regressor_mae.reset_states()