lstm原理+timesteps理解+实操+时间序列多变量

原理

李宏毅老师讲RNN LSTM 视频
很好地讲述了lstm的原理。

timesteps理解

lstm的样本：样本数，时间步长，特征数量，在时间序列中如何转化？
对于多变量时间序列的预测，最后一段解释了。
y~y-1 y-2 y-3 x-1 x-2 x-3
假定样本数600，一个因变量，6个自变量（yx的滞后项）
那么，可以这样写：
（600，1，6）：timesteps为1，不进行记忆的传递，特征数为6.
（600，6，1）：timesteps为6，只有一个特征，但是记忆传递6次
（600，3，2）：2个特征，滞后3次：注意在r转化矩阵时，要检验得到的矩阵是否准确
这取决于我们的自变量特征上下文是否有联系。

实操

lstm代码jason
这里设置timestep=1
首先需要把2维的时间序列多变量数据转化为3维，inputoutput不用管，选用dense，隐藏层用lstm层。

#python
# split