作業系統:Win10 問題類別:LSTM 使用工具:python,keras 各位高手們 目前小弟在做時間序列的預測遇到了一些問題。 我有300個樣本，300個樣本都是對同樣的物品做溫度採集， 量測這個物品從正常到壞掉的溫度曲線，這300個樣本的長度都不一樣。 我想做的是用前一分鐘的溫度預測後一分鐘的溫度。 目前的做法是像許多網路的範例，把所有訓練資料變成 X[Tn~Tn+60]，Y[Tn+1~Tn+61]再進行模型的訓練。 目前模型的架構是如下: model.add(Masking(mask_value=2, input_shape=(60, 1))) model.add(Bidirectional(LSTM(200, return_sequences=True))) model.add(Bidirectional(LSTM(150, return_sequences=True))) model.add(Bidirectional(LSTM(150, return_sequences=True))) model.add(Dense(1)) model.compile(loss='mse', optimizer=Adam(lr=1e-3), metrics=['mape', 'acc']) model.summary() model.fit(X_train, Y_train, epochs=500, batch_size=400, validation_split=0.33,callbacks=[callback], shuffle=True) 會使用Masking的原因是序列沒辦法被60整除，所以我全都塞2讓序列能整除。 之前也試過LSTM，GRU訓練的結果都不好。 目前問題是: [1] 訓練出來的loss與準確度都很低，有甚麼辦法可以改善? [2] 以我這個例子的話，訓練資料的切分方式是正確的嗎? [3] 每個樣本是獨立的，像我這樣把所有資料混在一起， 資料與資料之間，時間的關聯性是不是很低? [4] 有辦法一個樣本訓練完，換下一個樣本訓練嗎? 麻煩各位高手指點我一下，我在這塊還很菜... 有甚麼講的不清楚的，我可以再多做補充，謝謝各位 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.130.24.161 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/DataScience/M.1542169272.A.9BB.html