我有一个基于 LSTM 的模型，可以根据向量输入预测向量输出。我无法增加输出的大小，因为：
- 我需要一个更大的网络才能获得好的结果
- 训练需要更多时间
- 我的时间序列的行为可以用我已经预测的向量的大小来捕捉
所以我尝试预测一个输出，然后将该预测用作模型中的新输入并预测一个新向量（无需重新训练）。我迭代了 5 次，我得到了这个结果：
如您所见，第一个预测非常好。然后，我的模型丢失并失去了准确性。你知道如何解决吗？
谢谢
使用循环通过 LSTM 预测更长的向量
数据挖掘
Python
喀拉斯
时间序列
lstm
数据科学模型
2022-02-16 22:28:40
1个回答
我要回答自己，因为我设法解决了这个问题。问题是我的模型过度拟合 waaaay，我不得不在每一层之间添加一个 dropout。
现在结果更好了：
我现在将重新调整我的模型并对其进行一些改进。
提醒自己：Julien 不要偷懒，下次绘制验证损失
编辑 ：
我训练了 36 百万，每层有更多的神经元。如果没有过度拟合，它会更好。
现在我可以更准确地预测 8 天的数据点。