問題タブ [lstm-stateful]

時間ステップが変化する PyTorch で LSTM を作成することは可能ですか? たとえば、さまざまな時点で測定が行われる高さ。データは次のようになります。

4 つの身長と日付の履歴があるので、特定の日付の身長を予測したいと思います。

'2022-01-01'この日付の身長の予測を取得したいので、上記の 4 つのタプルの後に渡しました。

これは可能ですか？これどうやってするの？

R で LSTM 時系列予測を学習するために、このチュートリアルを単変量データに適応させようとしています。問題はモデルを定義する段階にあると思いますが、何が欠けているのかわかりません。

以下のコードを実行すると、警告メッセージが表示されますWARNING:tensorflow:Model was constructed with shape (1, 16, 1) for input KerasTensor(type_spec=TensorSpec(shape=(1, 16, 1), dtype=tf.float32, name='lstm_95_input'), name='lstm_95_input', description="created by layer 'lstm_95_input'"), but it was called on an input with incompatible shape (1, 1, 1).

そして、私の予測はすべて同じです

Keras Tuner を使用してステートフル LSTM を調整しようとしています。コードは機能しており、モデルをトレーニングすることはできますが、モデルをエポック間で状態をリセットする方法をまだ理解できません。通常、ループ内で一度に 1 エポックのトレーニングを行い、エポック間で手動で reset_states を実行します。ただし、Keras Tuner でこれが可能であるとは思えません。これを達成するために使用できる引数はありますか? これは、以下の私の現在のチューナーコードです:

LSTM を使用して時系列予測の問題に取り組んでいます。データは一変量で非定常です。次のチュートリアルに従いました。

https://machinelearningmastery.com/time-series-forecasting-long-short-term-memory-network-python/

データは次のように処理されます。最初に、2 つの連続した時点の差が取得されます。次に、データは、次の時点をラベルとして作成することにより、教師あり学習問題としてフォーマットされます。最後に、1 と -1 の間のスケーリングが実行されます。処理されたデータは、LSTM モデルに適合するために使用されます。LSTM 予測をチェックするために、テスト データで同じ処理手順が実行されます。差とスケーリングの逆が実行され、予測値が種まきされます。すべてが順調で、テスト セットで良好な結果が得られました。しかし、問題は、次の時点を予測したいときです。これはサンプルから外れています。100 個のデータ ポイントがあり、70 個のポイントがトレーニングに使用され、30 個がテストに使用され、ポイント番号 101 などを予測したいとします。使ってみた

モデル.予測(X)

しかし、うまくいきません。モデルは、処理された (差分およびスケーリングされた) データのシーケンスとして X を受け取る必要があるため、X をデータセットの最後の時点にすることはできません。モデルに次の (サンプル外の) ポイントを予測させるために何をすべきかわかりません。誰でも助けてくれますか？

これが私がフォローしているコードです：