LSTM时序预测滞后现象

深度学习

在使用LSTM进行时间序列预测时，有时会遇到预测滞后问题，也就是LSTM的预测值滞后于真实值的变化。出现滞后现象的一些文章和可能解释收集如下

1. 用 LSTM 做时间序列预测的一个小例子
2. 时间序列预测—-预测的结果跟实际的时间序列值存在滞后
3. 代码干货 | 基于Keras的LSTM多变量时间序列预测
4. 但如果只用time series数据，你很有可能得到的就是滞后一天的趋势
5. 一个带输出图像的LSTM预测
6. 用LSTM预测时间序列存在延迟现象？
7. Stackexchange problem
8. Stackoverflow-Delay issue in time series prediction
9. LSTM for time series prediction
10. LSTM Neural Network for Time Series Prediction
11. 知乎问题-Pyhong的答案
12. https://dashee87.github.io/deep%20learning/python/predicting-cryptocurrency-prices-with-deep-learning/
13. https://medium.com/@siavash_37715/how-to-predict-bitcoin-and-ethereum-price-with-rnn-lstm-in-keras-a6d8ee8a5109
14. 最全 LSTM 模型在量化交易中的应用汇总（代码+论文）
15. https://www.kaggle.com/pablocastilla/predict-stock-prices-with-lstm
16. useful discussion
17. another discussion
18. another another discussion
19. https://jiasuhui.com/article/3855
20. 知乎问题
21. 延时现象解决
22. github上的讨论
23. ResearchGate上的讨论
24. possible solution
    1. randomize training samples in each batch, make sure they are not followed one by one
    2. choose or design a better loss function other than MSE
    3. extract some features from the input time series
    4. manually limit the weight of x_{t-1}, x_{t-2}

ght of x_{t-1}, x_{t-2}

本文由 Eric_fish 创作，采用 知识共享署名4.0 国际许可协议进行许可
本站文章除注明转载/出处外，均为本站原创或翻译，转载前请务必署名