如何解决LSTM可变周期
我正在尝试训练一个模型,以预测几个月后要开发的产品的最终成本。我有类似产品的历史数据,这些数据将用于训练模型。
其中一些功能包括计划,开发,购买订单,待定采购订单,到目前为止的物料成本,时间段(每天抽样),间接费用,总成本。
目标是根据当前状态预测项目的最终成本。我熟悉LSTM,并且知道这是一个多变量多步预测。
但是问题仍然存在,
项目的结束日期不是固定的,因此在这种情况下我们如何选择一个窗口。一些项目可能持续一个月,其他项目则持续几个月。
现在,由于结束日期未确定,我们不知道我们必须预测的将来。因此,要预测的步骤数也会发生变化。我想我会建立一个回归模型来根据当前项目进度来预测项目完成日期,然后使用它来预测未来的时间步长。
到目前为止,我研究和看到的每个LSTM模型都有固定的预测窗口(预测接下来的7个时间步长)。在这种情况下,假设我使用第2点来定义将来预测数量会发生变化的步骤。最初预测前30个时间步长,随着我们的前进,预测下12个时间步长,依此类推,如何为相同的模型建立模型?
我能想到的一种方法是训练模型以预测一个时间步长,并在当前预测中循环所需的尽可能多的时间步长。现在我确实知道,如果我们根据当前的预测(复合误差)预测太多的时间步长,这将大大降低准确性。
让我知道评论中是否需要任何澄清。预先感谢。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。