在 RNN 模型训练后如何预测以下值？
How can I predict the following values after RNN model training?
我用 LSTM 训练了一个时间序列模型（Shape 是 N, 20, 1）。
假设N是最后一个数据
使用model.predict给出第N + 1个预测值。
如何预测 N + 2、N + 3、N + 4 .... 等之后的数据值
在像 LSTM 这样的时间序列模型中，预测新的数据点取决于之前的数据点。要预测 n + 1，您可以使用 [N-19...N]。现在要预测 n + 2，您需要 [N-18...N+1]。如果你想预测越来越远的未来，重复这个过程。
当然，你走得越远，你的预测就越不准确。 RNN 擅长预测下一个时间步长，但不擅长预测遥远的未来。这就是为什么如果你看书或神经网络生成的句子，它们没有多大意义。
获得 n + 1 的实际值后，n + 2 预测将比使用预测值更准确。
我用 LSTM 训练了一个时间序列模型（Shape 是 N, 20, 1）。
假设N是最后一个数据
使用model.predict给出第N + 1个预测值。
如何预测 N + 2、N + 3、N + 4 .... 等之后的数据值
在像 LSTM 这样的时间序列模型中，预测新的数据点取决于之前的数据点。要预测 n + 1，您可以使用 [N-19...N]。现在要预测 n + 2，您需要 [N-18...N+1]。如果你想预测越来越远的未来，重复这个过程。
当然，你走得越远，你的预测就越不准确。 RNN 擅长预测下一个时间步长，但不擅长预测遥远的未来。这就是为什么如果你看书或神经网络生成的句子，它们没有多大意义。
获得 n + 1 的实际值后，n + 2 预测将比使用预测值更准确。