为一个输入和两个输出构建 LSTM 模型

Question

我想构建一个具有一个输入和两个输出的 LSTM 模型。我的数据和图一样。我的模型如下。但它只能预测一种输出。

你能帮我设计两个输出的模型吗？谢谢

s1 = MinMaxScaler(feature_range=(-1,1))

Xs = s1.fit_transform(train[['y1','y2','x']])

s2 = MinMaxScaler(feature_range=(-1,1))

Ys = s2.fit_transform(train[['y1', 'y2']])

window = 70

X = []

Y = []

for i in range(window,len(Xs)):

    X.append(Xs[i-window:i,:])

    Y.append(Ys[i])

X, Y = np.array(X), np.array(Y)

model = Sequential()

model.add(LSTM(units=50, return_sequences=True,input_shape=(X.shape[1],X.shape[2])))

model.add(Dropout(0.2))

model.add(LSTM(units=50, return_sequences=True))

model.add(Dropout(0.2))

model.add(LSTM(units=50))

model.add(Dropout(0.2))

model.add(Dense(units=1))

model.compile(optimizer = 'adam', loss = 'mean_squared_error',metrics = ['MAE'])

es = EarlyStopping(monitor='loss',mode='min',verbose=1,patience=10)

history = model.fit(X, Y, epochs = 10, batch_size = 250, callbacks=[es], verbose=1)

Answer 1

output_shape模型最后一层的形状应与 Y 数据的形状相匹配。由于您有 2 个 Y 数据，因此您可以将最后一个 Dense 层更改为具有 2 个单位：model.add(密集(单位=1))model.add(Dense(units=2))

Answer 2

您应该使用函数式 API例如：input = Input(shape=(shape, ))out1 = Dense(1,  activation='linear')(input)out2 = Dense(1,  activation='linear')(input)out3 = Dense(1,  activation='linear')(input)model = Model(inputs=input, outputs=[out1,out2,out3])