當前位置:股票大全官網 - 股票行情 - lstm用於流量預測的輸入輸出是多少?

lstm用於流量預測的輸入輸出是多少?

序列間預測分析是利用壹個事件過去的時間特征來預測該事件未來的特征。這是壹種相對復雜的預測建模問題。與回歸分析模型不同,時間序列模型依賴於事件的順序,將相同大小的值輸入到模型中產生的結果在改變順序後是不同的。

舉個栗子:根據壹只股票近兩年的每日股價數據,猜測接下來壹周的股價變化;根據近兩年每周想在壹家店消費的人數,預測下周來店裏消費的人數等等。

RNN和LSTM模式

時間序列模型最常用和最有力的工具是遞歸神經網絡(RNN)。與普通神經網絡相比,RNN各隱含層的計算結果相互獨立,且各隱含層的計算結果與當前輸入和上壹隱含層結果相關。這樣,RNN的計算結果具有記憶以前結果的特點。

典型的RNN網絡結構如下: