Próbowałem zrozumieć, w jaki sposób reprezentować i kształtować dane, aby tworzyć wielowymiarowe i wielowymiarowe prognozy szeregów czasowych za pomocą Keras (lub TensorFlow), ale nadal jestem bardzo niejasny po przeczytaniu wielu postów / samouczków / dokumentacji na blogu, w jaki sposób prezentować dane w poprawny kształt (większość przykładów jest nieco mniejsza
Mój zestaw danych:
- kilka miast
- dla których mam informacje o powiedzmy temperaturze, ruchu samochodowym, wilgotności
- na przykład ostatnie 2 lata (jeden rekord na każdy dzień)
Co chcę zrobić: chciałbym przewidzieć dla każdego miasta temperatury, których mogę się spodziewać w przyszłym roku, używając prawdopodobnie opóźnionej wersji temperatury, ruchu samochodowego i wilgotności (oczywiście byłoby jeszcze kilka innych funkcji, ale to tylko przykład dla myśli).
O czym się mylę: jeśli mam 2 miasta, dla których nagrałem 3 funkcje przez 365 dni. Jak powinienem kształtować dane wejściowe, aby model mógł generować prognozę na 365 dni dla tych dwóch miast (tj. 2 szeregi czasowe temperatur na 365 dni)?
Intuicyjnie kształt tensora trwałby (?, 365, 3)365 dni i 3 funkcje. Ale nie jestem pewien, co trzymać w pierwszym wymiarze i, co najważniejsze, byłbym zaskoczony, gdyby miało to dotyczyć liczby miast. Ale jednocześnie nie mam pojęcia, jak określić w modelu, że ma poprawnie rozumieć wymiary.
Wszelkie wskazówki będą pomocne. Znam resztę problemu (tj. Jak zbudować sieć w Keras itp., Ponieważ zrobiłem to dla innych sieci neuronowych, ale dokładniej jak najlepiej zakodować sekwencję dla pożądanego wejścia).
No i wydaje mi się, że mógłbym trenować i przewidywać dla każdego miasta niezależnie, ale jestem pewien, że wszyscy zgodzą się, że prawdopodobnie należy nauczyć się rzeczy, które nie są specyficzne dla żadnego miasta, ale można to zobaczyć tylko w przypadku kilku z nich, dlatego uważam, że ważne jest zakodowanie go w modelu.