如何在 LSTM Keras 中为多步多变量准备时间序列数据答案

【问题标题】：How to prepare time series data for multi step and multi variable in LSTM Keras如何在 LSTM Keras 中为多步多变量准备时间序列数据
【发布时间】：2017-12-17 12:42:59
【问题描述】：

首先我是 Keras 的新手。我有以下情况：

pandas 数据框中包含 15 个特征的时间序列数据
时间序列数据是每小时一次。所以我想预测下一个 16 小时的时间系列数据。我想输入（16个时间序列数据），然后预测接下来的 16 小时。我正在考虑对它进行多对多建模，但不确定。
在数据框中创建了多少新列。，什么应该 LSTM 的输入配置如 output_shape 等...

我在下面的链接里搜索过，但是看不懂原理，结合多步多变量

https://machinelearningmastery.com/multi-step-time-series-forecasting-long-short-term-memory-networks-python/

https://machinelearningmastery.com/multivariate-time-series-forecasting-lstms-keras/

【问题讨论】：

标签： python deep-learning time-series keras lstm

【解决方案1】：

样本、时间步长、特征 = (:, 16, 15)

您可以通过使用任意数量的填充刻度填充 16 个长度时间样本来让您的网络预测下一个输出，基本上就是这样，这实际上是准备数据的问题。

【讨论】：

感谢您的评论，但是如何将列添加到数据框。例如，我要添加多少列以在 LSTM 模型中进行训练
如果您设法实现了多步示例，那么您所需要的就是增加输出的大小并调整数据以便拟合方法起作用，我通常通过反复试验来做到这一点。
由于输入数据的形状是(samples, time_steps, features)，DataFrame不能保存数据，因为它只能存储2D数据，不是吗？
@VeltzerDoron 在示例中网络第一层是“LSTM(50, input_shape=(train_X.shape[1], train_X.shape[2]))”，我们是不是失去了连接来自这样的功能的数据？