模型训练完成后，如何使用 Tensorflow WindowGenerator 进行时间序列预测

Question

我正在关注这个官方 Tensorflow 时间序列教程，以了解多变量、多步时间序列。

我的理解是，我们将时间序列数据集拆分为训练集、验证集和测试集，然后使用 WindowGenerator 类生成批量的时间序列数据集，然后训练多个模型。

但是，一旦模型训练完毕，我对在实践中使用该模型的下一步感到困惑。我的数据集是每日时间序列，每天，我想显示基于最近（截至昨天）时间窗口（假设最近 2 个月的数据）的预测，并使用 is 对下个月进行预测。但我不知道如何从拥有最新的原始数据集到使用 WindowGenerator 类给我返回一个时间窗口（昨天到 2 个月前），然后我将用它来预测下个月的值。

WindowGenerator 类旨在与 train、val 和 test 一起使用...但是当我对 train、val 不感兴趣，而只对 test 不感兴趣时，如何在模型训练后使用它。

Answer 1

WindowGenerator

类是一个转移注意力的话题。模型编译和训练在

compile_and_fit()

中完成，模型和窗口被传递到其中。一旦模型在此函数中接受训练，就可以使用

model.predict()

函数进行预测。