时间序列预测中序列长度和批量大小之间的差异

数据挖掘 喀拉斯 张量流 时间序列 预测
2022-02-23 05:09:14

我正在使用 Keras 进行时间序列预测，我正在尝试了解 keras 官方网站上有关时间序列预测的教程，您可以在此处找到 ( https://keras.io/examples/timeseries/timeseries_weather_forecasting/ )。

他们使用一种名为keras.preprocessing.timeseries_dataset_from_array的 keras 方法，它具有以下参数（这里是文档https://www.tensorflow.org/api_docs/python/tf/keras/preprocessing/timeseries_dataset_from_array）：

    dataset_train = keras.preprocessing.timeseries_dataset_from_array(
    x_train,
    y_train,
    sequence_length=sequence_length,
    sampling_rate=step,
    batch_size=batch_size,
)

所以我的问题是序列长度和批量大小有什么区别。我认为序列是滑动窗口的大小（x 特征和一个目标 y 值）。但是批量大小是多少？不幸的是，我无法查看此方法的输出

   print(dataset_train) or 
   print(dataset_train.head())

没有向我显示数据，我不知道任何其他函数如何查看该方法的输出。

你们有没有人使用过这种方法或一般有序列和批次的经验？我会很感激每一条评论。

1个回答

假设一个 TS data = [ 1, 2, 3, 4, 5, 7, 8, 9, 10 ]
调用带有这些参数的函数
sequence_length=5, sampling_rate=1, sequence_stride=1, shuffle=False, batch_size=2

shuffle, batch_size对 TS 数据的创建没有任何作用。当您对返回的数据集进行迭代时，它将生效。

在这种情况下，我们将有以下数据点，
[ 1, 2, 3, 4, 5 ]
[ 2, 3, 4, 5, 6 ]
[ 3, 4, 5, 6, 7 ]
[ 4, 5, 6, 7, 8 ]
[ 5, 6, 7, 8, 9 ]
[ 6, 7, 8, 9, 10 ]

batch_size
当您在此数据集上进行迭代时，您将在每次迭代中 收到2 条记录。
如果shuffle=True，记录将在批处理之前被打乱。

for batch in dataset:
  inputs, targets = batch

在上面的代码片段中，输入将是一批记录，而不仅仅是一条记录。如果需要，您可能有batch_size=1。

targets

与数据中的时间步相对应的目标。它应该与数据具有相同的长度。targets[i] 应该是对应于从索引 i 开始的窗口的目标（参见下面的示例 2）。如果没有目标数据，则传递 None（在这种情况下，数据集只会产生输入数据）

这是一个通用功能。
它不是在某些逻辑上决定目标，即自回归方法。它期望提供目标，否则，它只会返回预测变量。

其它你可能感兴趣的问题
上一篇将两个地方的数据文本与异常匹配 下一篇statsmodels 是否计算验证集/测试集上的 R2 和其他指标？