作者归档 | Jason Brownlee

网格搜索通常不是我们可以使用深度学习方法执行的操作。这是因为深度学习方法通常需要大量数据和大型模型，这些模型需要数小时、数天或数周才能训练。在数据集较小的情况下，例如单变量时间序列，[…]

长短期记忆网络，简称 LSTM，可用于时间序列预测。对于每种特定类型的时间序列预测问题，有许多类型的 LSTM 模型可供使用。在本教程中，您将发现如何为一系列标准时间[…]开发一套 LSTM 模型。

卷积神经网络模型，简称 CNN，可用于时间序列预测。对于每种特定类型的时间序列预测问题，有许多类型的 CNN 模型可供使用。在本教程中，您将发现如何为一系列标准时间[…]开发一套 CNN 模型。

多层感知机，简称 MLP，可用于时间序列预测。使用 MLP 进行时间序列预测的一个挑战在于数据的准备。具体来说，滞后观测值必须展平成特征向量。在本教程中，您将发现如何为一系列[…]开发一套 MLP 模型。

时间序列数据在用于拟合监督学习模型之前，必须转换为具有输入和输出组成部分的样本结构。如果您必须手动执行此转换，这可能会很困难。Keras 深度学习库提供了 TimeseriesGenerator 来自动转换单变量和多变量时间[…]