Блог

Главная - Вопросы по программированию - Как вы можете выполнять прогнозирование временных рядов в Tensorflow (или с помощью других инструментов), где известны особенности временного шага метки?

Как вы можете выполнять прогнозирование временных рядов в Tensorflow (или с помощью других инструментов), где известны особенности временного шага метки?

#python #tensorflow #time-series

#python #tensorflow #временные ряды

Вопрос:

Это вопрос об общем подходе, а не о конкретной проблеме кодирования. Я пытаюсь выполнять прогнозирование временных рядов с помощью Tensorflow, где особенности временного шага метки известны модели. Например. человек, пытающийся предсказать переменную через неделю, будет знать, что произойдет на следующей неделе, что повлияет на эту переменную. Таким образом, окно из 20 временных шагов, где метка является 20-м временным шагом, будет выглядеть примерно так:

  • У каждого временного шага 1-19 был бы набор функций плюс данные временных рядов
  • У временного шага 20 был бы набор известных функций, плюс метка временных рядов, которая неизвестна

Существует ли модель, которая могла бы обрабатывать такого рода данные? Я просмотрел руководство по прогнозированию временных рядов Tensorflow, прошел курс Coursera по прогнозированию временных рядов Tensorflow и искал в другом месте, но я ничего не могу найти. Я довольно новичок в этом, поэтому приношу извинения за любой неточный язык.

Ответ №1:

Однажды я попытался решить проблему TS такого рода, объединив многомерную модель и другую модель машинного обучения. Моя идея заключалась в том, что я использую выходные данные обычной модели TS, добавляю их в качестве другой функции в другой модели, которая принимает только информацию о последнем временном шаге в качестве входных данных. Но это сложно и может сильно перегружать, даже если я тщательно упорядочу вторую модель. Идея в том, что я использую шаг 1 для window_size — 1 info для прогнозирования приблизительного вывода на шаге window_size, затем использую информацию на шаге window_size, чтобы уменьшить разницу между выводом моей модели TS и фактической меткой; Но я не думаю, что этот подход теоретически верен, и результат может быть хуже, чем использование модели TS без предоставления информации о целевом шаге.

Я не думаю, что у tensorflow есть какой-либо API для вашей проблемы, потому что этот тип проблемы не является обычной проблемой TS. Обычно люди просто рассматривают такого рода проблемы как проблему регрессии или классификации.

Я также не эксперт в этой проблеме, но я просто случайно попытался решить точную проблему, так что это всего лишь мой личный опыт…